输变电工程检测试验管控方法、装置、设备及存储介质与流程

1.本发明属于输变电工程检测试验管控技术领域，具体涉及一种输变电工程检测试验管控方法、装置、设备及存储介质。


背景技术：

2.输变电工程是是输电线路建设和变压器安装工程的统称。输变电工程的电压等级越高，输送的电力越大，输送距离也越远。电压超过33万伏的输变电工程，称"超高压输变电"。目前我国投入运行的超高压输变电线路的最高电压等级是
±
1100kv直流输电线路和1000kv交流输电线路。在现有技术中，常常需要对输变电工程进行检测试验，并采用纸质资料进行数据的记录，但是采集纸质资料进行数据记录，不仅易丢失，还不容易对检测试验的进度进行管控。


技术实现要素：

3.本发明提供一种输变电工程检测试验管控方法、装置、设备及存储介质，用以解决现有技术中存在的问题。
4.第一方面，本发明提供了一种输变电工程检测试验管控方法，包括：
5.获取输变电工程的至少一个待检测试验项目，所述待检测试验项目包括待试验地点、待试验内容、待试验对象以及待试验参数；
6.在试验管理数据库中获取与待检测试验项目的匹配度最高的候选处理部门，得到目标处理部门，并将该待检测试验项目分配至目标处理部门；
7.当待检测试验项目分配至目标处理部门后，接收目标处理部门所传输的试验结果参数，并根据该试验结果参数，实时监控待检测试验项目的试验进度；
8.当监测到试验进度为百分之百时，根据待试验内容、待试验对象、待试验参数以及试验结果参数，并采用ai分析算法获取试验质量预测结果，并根据该试验质量预测结果生成试验报告单，完成输变电工程检测试验的管控。
9.进一步地，在试验管理数据库中获取与待检测试验项目的匹配度最高的候选处理部门，得到目标处理部门，并将该待检测试验项目分配至目标处理部门，包括：
10.a1、从试验管理数据库中调取候选处理部门以及候选处理部门的业务属性，所述业务属性包括候选处理部门所在工作地、至少一个可处理试验对象、每个可处理试验对象对应的至少一个可处理试验内容以及每个可处理试验内容的历史处理次数；
11.a2、将未匹配过的候选处理部门对应的业务属性与待检测试验项目进行匹配，获取所在工作地与待试验地点相同的候选处理部门，得到第一目标候选处理部门，并将第一目标候选处理部门标记为已匹配；
12.当第一目标候选处理部门为空时，则直接匹配所在工作地与试验地点最近的候选处理部门，得到第一目标候选处理部门，并将第一目标候选处理部门标记为已匹配；
13.a3、根据候选处理部门的业务属性，判断是否存在第一目标候选处理部门对应的
可处理试验对象以及可处理试验内容与待检测试验项目的待试验内容以及待试验对象匹配，若是，则将对应的第一目标候选处理部门作为第二目标候选处理部门，并进入步骤a4，否则返回步骤a2；
14.a4、判断第二目标候选处理部门的数量是否为1，若是，则直接将该第二目标候选处理部门作为目标处理部门，并将该待检测试验项目分配至目标处理部门，否则确定历史处理次数最多且与待试验内容对应的可处理试验内容，得到目标可处理试验内容，将该目标可处理试验内容对应的第二目标候选处理部门作为目标处理部门，并将该待检测试验项目分配至目标处理部门。
15.进一步地，当待检测试验项目分配至目标处理部门后，接收目标处理部门所传输的试验结果参数，并根据该试验结果参数，实时监控待检测试验项目的试验进度，包括：
16.当待检测试验项目分配至目标处理部门后，接收目标处理部门所传输的试验结果参数；
17.将目标处理部门所传输的试验结果参数输入至试验结果填写模板中，并确定试验结果填写模板中未填写的待写入内容字段的数量，将未填写数量与总填写数量进行比较，确定待检测试验项目的试验进度；
18.其中，试验结果填写模板包括多个待写入内容字段，所述试验结果填写模板为试验管理数据库中预存储的数据。
19.进一步地，还包括：当待检测试验项目分配至目标处理部门时，生成试验处理期限，并实时监控目标处理部门在试验处理期限内对应的试验进度是否到达百分之百，若是，则获取试验报告单，否则生成输变电工程检测试验的异常报告。
20.进一步地，还包括：当接收到管理员账户通过人机交互输入的指定处理部门之后，跳过候选处理部门的匹配步骤，并将该指定处理部门作为目标处理部门。
21.进一步地，根据待试验内容、待试验对象、待试验参数以及试验结果参数，并采用ai分析算法获取试验质量预测结果，并根据该试验质量预测结果生成试验报告单，包括：
22.获取历史数据以及历史数据对应的试验质量结果，所述历史数据包括历史试验内容、历史试验对象、历史试验参数以及历史试验结果参数；
23.采用神经网络构建试验质量预测模型，并根据历史数据以及历史数据对应的试验质量结果对试验质量预测模型进行训练，获取训练完成的试验质量预测模型；
24.将待试验内容、待试验对象、待试验参数以及试验结果参数作为训练完成的试验质量预测模型的输入，获取试验质量预测结果；
25.根据该试验质量预测结果生成试验报告单。
26.进一步地，采用神经网络构建试验质量预测模型，并根据历史数据以及历史数据对应的试验质量结果对试验质量预测模型进行训练，包括：
27.采用卷积神经网络构建验质量预测模型，并随机初始化质量预测模型的网络参数，得到寻优个体，并初始化多次网络参数，得到寻优个体群；
28.初始化迭代计数器t＝1、寻优个体视野v
t
、步长step
t
以及微调因子α；
29.针对每个寻优个体，根据步长step
t
，对寻优个体执行聚群行为、追尾行为、觅食行为以及随机行为，获取更新后的寻优个体；
30.根据寻优个体视野v
t
，对更新后的寻优个体进行混沌搜索，得到搜索后的寻优个
体，若搜索后的寻优个体对应的适应度大于更新后的寻优个体对应的适应度，则采用搜索后的寻优个体替换更新后的寻优个体，否则保持不变；
31.获取寻优个体群中每条寻优个体的适应度，并将适应度前n的寻优个体作为第一目标个体，并根据微调因子α对第一目标个体进行扰动，并判断第一目标个体扰动后的适应度值是否大于扰动前的适应度值，若是，则接受该扰动，得到第二目标个体，否则拒绝该扰动，直接将第一目标个体作为第二目标个体；
32.采用第二目标个体对优选库中的寻优个体进行更新，并判断优选库中是否存在寻优个体的适应度满足要求，若是，则输出适应度最大的寻优个体，否则迭代计数器t的计数值加一，并返回对寻优个体群中寻优个体的更新步骤；
33.根据步长step
t
，对寻优个体执行聚群行为、追尾行为、觅食行为以及随机行为，获取更新后的寻优个体，包括：
34.对寻优个体执行聚群行为为：
[0035][0036][0037]
其中，表示第t次训练时第i条寻优个体，表示更新后的i＝1,2,
…
,i，i表示寻优个体群中寻优个体的总数，β
t
表示第t次训练时的惯性权重，βe表示第一权重计算因子，βs表示第二权重计算因子，βs＝0.9，βe＝0.2，t表示最大迭代次数，step
t
表示第t次训练时的步长；当t≥2时，step
t
＝step
t-1
*exp(-π(t/t)2)；π表示圆周率，rand表示(0,1)之间的随机数，表示寻优个体在第t次训练过程中的寻优个体视野v
t
内中心位置，nf表示寻优个体视野v
t
内其他寻优个体的数量；
[0038]
判断fc/nf》δ*fi是否成立，若是，则对聚群行为后的寻优个体执行觅食行为，得到寻优个体对应的第一更新值，否则直接将聚群行为产生的值作为寻优个体的第一更新值；
[0039]
其中，f表示寻优个体的适应度值，fc表示寻优个体对应的中心位置的适应度值，δ表示判断因子；
[0040]
对寻优个体执行追尾行为为：
[0041][0042]
其中，表示寻优个体在第t次训练过程中的寻优个体视野v
t
内适应度值最大的其他寻优个体；
[0043]
判断fj/nf》δ*fi是否成立，若是，则对追尾行为后的寻优个体执行觅食行为，得到寻优个体对应的第二更新值，否则直接将追尾行为产生的值作为寻优个体的第二更新值；
[0044]
其中，fj表示寻优个体对应的视野内其他寻优个体的最大适应度值；
[0045]
对寻优个体执行随机行为，得到第三更新值，所述随机行为为：
[0046][0047]
其中，当t≥2时，v
t-1
表示第t-1次训练的寻优个体视野；
[0048]
从第一更新值、第二更新值以及第三更新值中确定适应度值最大的目标值，并采用该目标值更新寻优个体，得到更新后的寻优个体；
[0049]
根据寻优个体视野v
t
，对更新后的寻优个体进行混沌搜索，得到搜索后的寻优个体为：
[0050][0051]
其中，x
inew
表示搜索后的寻优个体，v
t+1
表示第t+1次训练时的寻优个体视野，z表示与混沌序列维度相等的混沌序列；
[0052]
根据微调因子α对第一目标个体进行扰动为：
[0053][0054]
其中，表示第t次训练过程中选出的第n个第一目标个体，表示扰动后的
[0055]
第二方面，本发明提供了一种输变电工程检测试验管控装置，包括数据输入模块、分配模块、进度监测模块以及ai分析模块；
[0056]
所述数据输入模块用于，获取输变电工程的至少一个待检测试验项目，所述待检测试验项目包括待试验地点、待试验内容、待试验对象以及待试验参数；
[0057]
所述分配模块用于，在试验管理数据库中获取与待检测试验项目的匹配度最高的候选处理部门，得到目标处理部门，并将该待检测试验项目分配至目标处理部门；
[0058]
所述进度监测模块用于，当待检测试验项目分配至目标处理部门后，接收目标处理部门所传输的试验结果参数，并根据该试验结果参数，实时监控待检测试验项目的试验进度；
[0059]
所述ai分析模块用于，当监测到试验进度为百分之百时，根据待试验内容、待试验对象、待试验参数以及试验结果参数，并采用ai分析算法获取试验质量预测结果，并根据该试验质量预测结果生成试验报告单，完成输变电工程检测试验的管控。
[0060]
第三方面，本发明提供了一种输变电工程检测试验管控设备，包括存储器和处理器，所述存储器与处理器之间通过总线相互连接；
[0061]
所述存储器存储计算机执行指令；
[0062]
所述处理器执行存储器存储的计算机执行指令，使得处理器执行如第一方面所述的输变电工程检测试验管控方法。
[0063]
第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现第一方面所述的输变电工程检测试验管控方法。
[0064]
本发明提供的一种输变电工程检测试验管控方法、装置、设备及存储介质，在检测试验开始时，除了记录检测试验的详细信息，还进行了自动匹配作业部门，以方便检测试验任务的下发，然后通过对检测试验任务进行实时监控，并在检测试验任务进度完成之后，对
检测试验的结果进行分析，以预测检测试验的质量，实现了输变电工程检测试验的全生命周期管理，从而辅助管理人员进行管理工作，以提高工作效率。
附图说明
[0065]
此处的附图被并入说明书中并构成本说明书的一部门，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
[0066]
图1为本发明实施例提供的一种输变电工程检测试验管控方法的流程图。
[0067]
图2为本发明实施例提供的一种输变电工程检测试验管控装置的结构示意图。
[0068]
在附图中，201-数据输入模块、202-分配模块、203-进度监测模块、204-ai分析模块。
[0069]
通过上述附图，已示出本发明明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本发明构思的范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
[0070]
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
[0071]
下面结合附图详细说明本发明的实施例。
[0072]
实施例1
[0073]
如图1所示，本发明实施例提供了一种输变电工程检测试验管控方法，包括：
[0074]
s101、获取输变电工程的至少一个待检测试验项目，所述待检测试验项目包括待试验地点、待试验内容、待试验对象以及待试验参数。
[0075]
待试验地点可以是待试验对象所在地点，待试验对象可以为输变电工程中的一个或者多个设备及结构，待试验内容可以为待试验对象上的某一参数、某一特性和/或某一性能的检测，待试验的参数可以包括待试验内容所要使用的参数量以及试验结果所需要填写的参数量。
[0076]
s102、在试验管理数据库中获取与待检测试验项目的匹配度最高的候选处理部门，得到目标处理部门，并将该待检测试验项目分配至目标处理部门。
[0077]
在试验管理数据库中，存储着多个候选处理部门，且每个候选处理部门存在多个作业属性，因此可以用候选处理部门对应的作用属性与待检测试验项目进行匹配，从而得到匹配度最高的候选处理部门。
[0078]
可选的，可以通过人机交互的方式确定多个目标属性，将多个目标属性与候选处理部门的属性进行匹配，得到匹配度最高的候选处理部门。当匹配度最高的候选处理部门的数量不唯一时，从中任意选择一个即可。
[0079]
s103、当待检测试验项目分配至目标处理部门后，接收目标处理部门所传输的试验结果参数，并根据该试验结果参数，实时监控待检测试验项目的试验进度。
[0080]
可以在试验管理数据库中预先存储试验结果填写模板，每个试验结果填写模板上
存在有多个待填写内容字段，这些字段用于填写试验结果，从而可以根据字段的填写进度，确认试验进度。
[0081]
s104、当监测到试验进度为百分之百时，根据待试验内容、待试验对象、待试验参数以及试验结果参数，并采用ai(artificial intelligence，人工智能)分析算法获取试验质量预测结果，并根据该试验质量预测结果生成试验报告单，完成输变电工程检测试验的管控。
[0082]
待试验内容、待试验对象、待试验参数以及试验结果参数这些内容可能不是纯数字，因子需要将文字转换为数字表达，或者采用唯一编号来表达某个标准化内容，非标准化内容中的文字转换为数字表达。
[0083]
当转换为数字表达后，可以将待试验内容、待试验对象、待试验参数以及试验结果参数对应的数字构成矩阵，如：将待试验内容、待试验对象、待试验参数以及试验结果参数对应的数字分别作为矩阵的行。此时，矩阵中每行元素的长度可能不相同，可以采用补零法将每行元素长度补至一样。当矩阵元素过多时，可以进行降维处理。
[0084]
在本实施例中，在试验管理数据库中获取与待检测试验项目的匹配度最高的候选处理部门，得到目标处理部门，并将该待检测试验项目分配至目标处理部门，包括：
[0085]
a1、从试验管理数据库中调取候选处理部门以及候选处理部门的业务属性，所述业务属性包括候选处理部门所在工作地、至少一个可处理试验对象、每个可处理试验对象对应的至少一个可处理试验内容以及每个可处理试验内容的历史处理次数。
[0086]
a2、将未匹配过的候选处理部门对应的业务属性与待检测试验项目进行匹配，获取所在工作地与待试验地点相同的候选处理部门，得到第一目标候选处理部门，并将第一目标候选处理部门标记为已匹配。
[0087]
当第一目标候选处理部门为空时，则直接匹配所在工作地与试验地点最近的候选处理部门，得到第一目标候选处理部门，并将第一目标候选处理部门标记为已匹配。
[0088]
a3、根据候选处理部门的业务属性，判断是否存在第一目标候选处理部门对应的可处理试验对象以及可处理试验内容与待检测试验项目的待试验内容以及待试验对象匹配，若是，则将对应的第一目标候选处理部门作为第二目标候选处理部门，并进入步骤a4，否则返回步骤a2。
[0089]
a4、判断第二目标候选处理部门的数量是否为1，若是，则直接将该第二目标候选处理部门作为目标处理部门，并将该待检测试验项目分配至目标处理部门，否则确定历史处理次数最多且与待试验内容对应的可处理试验内容，得到目标可处理试验内容，将该目标可处理试验内容对应的第二目标候选处理部门作为目标处理部门，并将该待检测试验项目分配至目标处理部门。
[0090]
通过对待试验地点、待试验内容以及待试验对象进行匹配，可以得到较佳的作业对象，并将该作业对象展示给管理员，或者直接确定为作业部门，以提高管理效率。
[0091]
可选的，除了进行匹配之外，还可以接收管理员指定的部门，并将该指定的部门作为作业部门。
[0092]
在本实施例中，当待检测试验项目分配至目标处理部门后，接收目标处理部门所传输的试验结果参数，并根据该试验结果参数，实时监控待检测试验项目的试验进度，包括：
[0093]
当待检测试验项目分配至目标处理部门后，接收目标处理部门所传输的试验结果参数。
[0094]
将目标处理部门所传输的试验结果参数输入至试验结果填写模板中，并确定试验结果填写模板中未填写的待写入内容字段的数量，将未填写数量与总填写数量进行比较，确定待检测试验项目的试验进度。
[0095]
其中，试验结果填写模板包括多个待写入内容字段，所述试验结果填写模板为试验管理数据库中预存储的数据。
[0096]
为了方便ai分析，可以在试验管理数据库设置待试验地点、待试验内容、待试验对象以及待试验参数的标准字段，当管理员填写数据时，仅需要进行选择即可。
[0097]
可选的，还可以在试验管理数据库设置各种试验结果参数的字段，作业部门填写试验结果参数时，从试验管理数据库中选择对应的字段即可，通过将所有数据标准化，可以有效地实现ai分析。
[0098]
在本实施例中，还包括：当待检测试验项目分配至目标处理部门时，生成试验处理期限，并实时监控目标处理部门在试验处理期限内对应的试验进度是否到达百分之百，若是，则获取试验报告单，否则生成输变电工程检测试验的异常报告。
[0099]
在本实施例中，还包括：当接收到管理员账户通过人机交互输入的指定处理部门之后，跳过候选处理部门的匹配步骤，并将该指定处理部门作为目标处理部门。
[0100]
在本实施例中，根据待试验内容、待试验对象、待试验参数以及试验结果参数，并采用ai分析算法获取试验质量预测结果，并根据该试验质量预测结果生成试验报告单，包括：
[0101]
获取历史数据以及历史数据对应的试验质量结果，所述历史数据包括历史试验内容、历史试验对象、历史试验参数以及历史试验结果参数。
[0102]
采用神经网络构建试验质量预测模型，并根据历史数据以及历史数据对应的试验质量结果对试验质量预测模型进行训练，获取训练完成的试验质量预测模型。
[0103]
值得说明的时，所有输入试验质量预测模型中的数据的维数都要相同，并进行归一化，也就是数据统一经过转换以及归一化。
[0104]
将待试验内容、待试验对象、待试验参数以及试验结果参数作为训练完成的试验质量预测模型的输入，获取试验质量预测结果。
[0105]
根据该试验质量预测结果生成试验报告单。
[0106]
在本实施例中，采用神经网络构建试验质量预测模型，并根据历史数据以及历史数据对应的试验质量结果对试验质量预测模型进行训练，包括：
[0107]
采用卷积神经网络构建验质量预测模型，并随机初始化质量预测模型的网络参数，得到寻优个体，并初始化多次网络参数，得到寻优个体群。
[0108]
卷积神经网络在现有技术中主要用于图数据的处理，在本实施例中，将所有数据转换为矩阵形式，可以看作一个图像，因此可以采用卷积神经网络进行处理。由于数据转换为矩阵形式并在补全之后仅有四行，但是每行的数据维度可能爆炸，因此可以将按固定长度分为多段，并将每段内容拼接至上一段内容下，以增加行数以及减少列数，并且对数据中的特征进行了保留。例如，存在4行20列的数据，可以将其按固定长度10分为两部分，即1-10列以及11-20列，再将两部分数据组成4*2行10列的新矩阵。也可以按固定长度6分为四部
分，即1-6列、7-12列、13-18列以及19-20列，再将四部分数据组成4*4行6列的新矩阵。
[0109]
初始化迭代计数器t＝1、寻优个体视野v
t
、步长step
t
以及微调因子α。
[0110]
针对每个寻优个体，根据步长step
t
，对寻优个体执行聚群行为、追尾行为、觅食行为以及随机行为，获取更新后的寻优个体。
[0111]
根据寻优个体视野v
t
，对更新后的寻优个体进行混沌搜索，得到搜索后的寻优个体，若搜索后的寻优个体对应的适应度大于更新后的寻优个体对应的适应度，则采用搜索后的寻优个体替换更新后的寻优个体，否则保持不变。
[0112]
获取寻优个体群中每条寻优个体的适应度，并将适应度前n的寻优个体作为第一目标个体，并根据微调因子α对第一目标个体进行扰动，并判断第一目标个体扰动后的适应度值是否大于扰动前的适应度值，若是，则接受该扰动，得到第二目标个体，否则拒绝该扰动，直接将第一目标个体作为第二目标个体。
[0113]
采用第二目标个体对优选库中的寻优个体进行更新，并判断优选库中是否存在寻优个体的适应度满足要求，若是，则输出适应度最大的寻优个体，否则迭代计数器t的计数值加一，并返回对寻优个体群中寻优个体的更新步骤。
[0114]
根据步长step
t
，对寻优个体执行聚群行为、追尾行为、觅食行为以及随机行为，获取更新后的寻优个体，包括：
[0115]
对寻优个体执行聚群行为为：
[0116][0117][0118]
其中，表示第t次训练时第i条寻优个体，表示更新后的i＝1,2,
…
,i，i表示寻优个体群中寻优个体的总数，β
t
表示第t次训练时的惯性权重，βe表示第一权重计算因子，βs表示第二权重计算因子，βs＝0.9，βe＝0.2，t表示最大迭代次数，step
t
表示第t次训练时的步长。当t≥2时，step
t
＝step
t-1
*exp(-π(t/t)2)。π表示圆周率，rand表示(0,1)之间的随机数，表示寻优个体在第t次训练过程中的寻优个体视野v
t
内中心位置，nf表示寻优个体视野v
t
内其他寻优个体的数量。
[0119]
判断fc/nf》δ*fi是否成立，若是，则对聚群行为后的寻优个体执行觅食行为，得到寻优个体对应的第一更新值，否则直接将聚群行为产生的值作为寻优个体的第一更新值。
[0120]
其中，fi表示寻优个体的适应度值，fc表示寻优个体对应的中心位置的适应度值，δ表示判断因子。
[0121]
对寻优个体执行追尾行为为：
[0122][0123]
其中，表示寻优个体在第t次训练过程中的寻优个体视野v
t
内适应度值最大的其他寻优个体。
[0124]
判断fj/nf》δ*fi是否成立，若是，则对追尾行为后的寻优个体执行觅食行为，得到寻优个体对应的第二更新值，否则直接将追尾行为产生的值作为寻优个体的第二更新值。
[0125]
其中，fj表示寻优个体对应的视野内其他寻优个体的最大适应度值。
[0126]
对寻优个体执行随机行为，得到第三更新值，所述随机行为为：
[0127][0128]
其中，当t≥2时，v
t-1
表示第t-1次训练的寻优个体视野。
[0129]
从第一更新值、第二更新值以及第三更新值中确定适应度值最大的目标值，并采用该目标值更新寻优个体，得到更新后的寻优个体。
[0130]
根据寻优个体视野v
t
，对更新后的寻优个体进行混沌搜索，得到搜索后的寻优个体为：
[0131][0132]
其中，x
inew
表示搜索后的寻优个体，v
t+1
表示第t+1次训练时的寻优个体视野，z表示与混沌序列维度相等的混沌序列。
[0133]
根据微调因子α对第一目标个体进行扰动为：
[0134][0135]
其中，表示第t次训练过程中选出的第n个第一目标个体，表示扰动后的
[0136]
在现有技术中，常规的梯度下降法虽然复杂程度低，但是容易陷入局部最优，本实施例采用的算法兼顾全局训练，避免了算法陷入局部最优的情况发生。
[0137]
实施例2
[0138]
如图2所示，本发明实施例提供了一种输变电工程检测试验管控装置，包括数据输入模块201、分配模块202、进度监测模块203以及ai分析模块204。
[0139]
所述数据输入模块201用于，获取输变电工程的至少一个待检测试验项目，所述待检测试验项目包括待试验地点、待试验内容、待试验对象以及待试验参数。
[0140]
所述分配模块202用于，在试验管理数据库中获取与待检测试验项目的匹配度最高的候选处理部门，得到目标处理部门，并将该待检测试验项目分配至目标处理部门。
[0141]
所述进度监测模块203用于，当待检测试验项目分配至目标处理部门后，接收目标处理部门所传输的试验结果参数，并根据该试验结果参数，实时监控待检测试验项目的试验进度。
[0142]
所述ai分析模块204用于，当监测到试验进度为百分之百时，根据待试验内容、待试验对象、待试验参数以及试验结果参数，并采用ai分析算法获取试验质量预测结果，并根据该试验质量预测结果生成试验报告单，完成输变电工程检测试验的管控。
[0143]
本实施例提供的一种输变电工程检测试验管控装置可以执行如实施例1所述的方法技术方案，其原理以及有益效果类似，此处不再赘述。
[0144]
实施例3
[0145]
本发明实施例提供了一种输变电工程检测试验管控设备，包括存储器和处理器，
存储器与处理器之间通过总线相互连接。
[0146]
存储器存储计算机执行指令。
[0147]
处理器执行存储器存储的计算机执行指令，使得处理器执行如实施例1所述的输变电工程检测试验管控方法。
[0148]
具体举例的，存储器可以但不限于包括随机存取存储器(random access memory，ram)、只读存储器(read only memory，rom)、闪存(flash memory)、先进先出存储器(first input first output，fifo)和/或先进后出存储器(first in last out，filo)等等；具体地，处理器可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器可以采用dsp(digital signal processing，数字信号处理)、fpga(field－programmable gate array，现场可编程门阵列)、pla(programmable logic array，可编程逻辑阵列)中的至少一种硬件形式来实现，同时，处理器也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(central processing unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。
[0149]
在一些实施例中，处理器可以在集成有gpu(graphics processing unit，图像处理器)，gpu用于负责显示屏所需要显示的内容的渲染和绘制，例如，所述处理器可以不限于采用型号为stm32f105系列的微处理器、精简指令集计算机(reduced instruction set computer，risc)微处理器、x86等架构处理器或集成嵌入式神经网络处理器(neural-network processing units，npu)的处理器；所述收发器可以但不限于为无线保真(wifi)无线收发器、蓝牙无线收发器、通用分组无线服务技术(general packet radio service，gprs)无线收发器、紫蜂协议(基于ieee802.15.4标准的低功耗局域网协议，zigbee)无线收发器、3g收发器、4g收发器和/或5g收发器等。此外，所述装置还可以但不限于包括有电源模块、显示屏和其它必要的部件。
[0150]
实施例4
[0151]
本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现实施例1所述的输变电工程检测试验管控方法。
[0152]
实施例5
[0153]
本发明实施例还可以提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如实施例1所述的输变电工程检测试验管控方法。
[0154]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求书指出。
[0155]
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求书来限制。

技术特征：
1.一种输变电工程检测试验管控方法，其特征在于，包括：获取输变电工程的至少一个待检测试验项目，所述待检测试验项目包括待试验地点、待试验内容、待试验对象以及待试验参数；在试验管理数据库中获取与待检测试验项目的匹配度最高的候选处理部门，得到目标处理部门，并将该待检测试验项目分配至目标处理部门；当待检测试验项目分配至目标处理部门后，接收目标处理部门所传输的试验结果参数，并根据该试验结果参数，实时监控待检测试验项目的试验进度；当监测到试验进度为百分之百时，根据待试验内容、待试验对象、待试验参数以及试验结果参数，并采用ai分析算法获取试验质量预测结果，并根据该试验质量预测结果生成试验报告单，完成输变电工程检测试验的管控。2.根据权利要求1所述的输变电工程检测试验管控方法，其特征在于，在试验管理数据库中获取与待检测试验项目的匹配度最高的候选处理部门，得到目标处理部门，并将该待检测试验项目分配至目标处理部门，包括：a1、从试验管理数据库中调取候选处理部门以及候选处理部门的业务属性，所述业务属性包括候选处理部门所在工作地、至少一个可处理试验对象、每个可处理试验对象对应的至少一个可处理试验内容以及每个可处理试验内容的历史处理次数；a2、将未匹配过的候选处理部门对应的业务属性与待检测试验项目进行匹配，获取所在工作地与待试验地点相同的候选处理部门，得到第一目标候选处理部门，并将第一目标候选处理部门标记为已匹配；当第一目标候选处理部门为空时，则直接匹配所在工作地与试验地点最近的候选处理部门，得到第一目标候选处理部门，并将第一目标候选处理部门标记为已匹配；a3、根据候选处理部门的业务属性，判断是否存在第一目标候选处理部门对应的可处理试验对象以及可处理试验内容与待检测试验项目的待试验内容以及待试验对象匹配，若是，则将对应的第一目标候选处理部门作为第二目标候选处理部门，并进入步骤a4，否则返回步骤a2；a4、判断第二目标候选处理部门的数量是否为1，若是，则直接将该第二目标候选处理部门作为目标处理部门，并将该待检测试验项目分配至目标处理部门，否则确定历史处理次数最多且与待试验内容对应的可处理试验内容，得到目标可处理试验内容，将该目标可处理试验内容对应的第二目标候选处理部门作为目标处理部门，并将该待检测试验项目分配至目标处理部门。3.根据权利要求1所述的输变电工程检测试验管控方法，其特征在于，当待检测试验项目分配至目标处理部门后，接收目标处理部门所传输的试验结果参数，并根据该试验结果参数，实时监控待检测试验项目的试验进度，包括：当待检测试验项目分配至目标处理部门后，接收目标处理部门所传输的试验结果参数；将目标处理部门所传输的试验结果参数输入至试验结果填写模板中，并确定试验结果填写模板中未填写的待写入内容字段的数量，将未填写数量与总填写数量进行比较，确定待检测试验项目的试验进度；其中，试验结果填写模板包括多个待写入内容字段，所述试验结果填写模板为试验管
理数据库中预存储的数据。4.根据权利要求3所述的输变电工程检测试验管控方法，其特征在于，还包括：当待检测试验项目分配至目标处理部门时，生成试验处理期限，并实时监控目标处理部门在试验处理期限内对应的试验进度是否到达百分之百，若是，则获取试验报告单，否则生成输变电工程检测试验的异常报告。5.根据权利要求1所述的输变电工程检测试验管控方法，其特征在于，还包括：当接收到管理员账户通过人机交互输入的指定处理部门之后，跳过候选处理部门的匹配步骤，并将该指定处理部门作为目标处理部门。6.根据权利要求1所述的输变电工程检测试验管控方法，其特征在于，根据待试验内容、待试验对象、待试验参数以及试验结果参数，并采用ai分析算法获取试验质量预测结果，并根据该试验质量预测结果生成试验报告单，包括：获取历史数据以及历史数据对应的试验质量结果，所述历史数据包括历史试验内容、历史试验对象、历史试验参数以及历史试验结果参数；采用神经网络构建试验质量预测模型，并根据历史数据以及历史数据对应的试验质量结果对试验质量预测模型进行训练，获取训练完成的试验质量预测模型；将待试验内容、待试验对象、待试验参数以及试验结果参数作为训练完成的试验质量预测模型的输入，获取试验质量预测结果；根据该试验质量预测结果生成试验报告单。7.根据权利要求6所述的输变电工程检测试验管控方法，其特征在于，采用神经网络构建试验质量预测模型，并根据历史数据以及历史数据对应的试验质量结果对试验质量预测模型进行训练，包括：采用卷积神经网络构建验质量预测模型，并随机初始化质量预测模型的网络参数，得到寻优个体，并初始化多次网络参数，得到寻优个体群；初始化迭代计数器t＝1、寻优个体视野v
t
、步长step
t
以及微调因子α；针对每个寻优个体，根据步长step
t
，对寻优个体执行聚群行为、追尾行为、觅食行为以及随机行为，获取更新后的寻优个体；根据寻优个体视野v
t
，对更新后的寻优个体进行混沌搜索，得到搜索后的寻优个体，若搜索后的寻优个体对应的适应度大于更新后的寻优个体对应的适应度，则采用搜索后的寻优个体替换更新后的寻优个体，否则保持不变；获取寻优个体群中每条寻优个体的适应度，并将适应度前n的寻优个体作为第一目标个体，并根据微调因子α对第一目标个体进行扰动，并判断第一目标个体扰动后的适应度值是否大于扰动前的适应度值，若是，则接受该扰动，得到第二目标个体，否则拒绝该扰动，直接将第一目标个体作为第二目标个体；采用第二目标个体对优选库中的寻优个体进行更新，并判断优选库中是否存在寻优个体的适应度满足要求，若是，则输出适应度最大的寻优个体，否则迭代计数器t的计数值加一，并返回对寻优个体群中寻优个体的更新步骤；根据步长step
t
，对寻优个体执行聚群行为、追尾行为、觅食行为以及随机行为，获取更新后的寻优个体，包括：对寻优个体执行聚群行为为：
其中，表示第t次训练时第i条寻优个体，表示更新后的i＝1,2,
…
,i，i表示寻优个体群中寻优个体的总数，β
t
表示第t次训练时的惯性权重，β
e
表示第一权重计算因子，β
s
表示第二权重计算因子，β
s
＝0.9，β
e
＝0.2，t表示最大迭代次数，step
t
表示第t次训练时的步长；当t≥2时，step
t
＝step
t-1
*exp(-π(t/t)2)；π表示圆周率，rand表示(0,1)之间的随机数，表示寻优个体在第t次训练过程中的寻优个体视野v
t
内的中心位置，nf表示寻优个体视野v
t
内其他寻优个体的数量；判断f
c
/nf>δ*f
i
是否成立，若是，则对聚群行为后的寻优个体执行觅食行为，得到寻优个体对应的第一更新值，否则直接将聚群行为产生的值作为寻优个体的第一更新值；其中，f
i
表示寻优个体的适应度值，f
c
表示寻优个体对应的中心位置的适应度值，δ表示判断因子；对寻优个体执行追尾行为为：其中，表示寻优个体在第t次训练过程中的寻优个体视野v
t
内适应度值最大的其他寻优个体；判断f
j
/n
f
>δ*f
i
是否成立，若是，则对追尾行为后的寻优个体执行觅食行为，得到寻优个体对应的第二更新值，否则直接将追尾行为产生的值作为寻优个体的第二更新值；其中，f
j
表示寻优个体对应的视野内其他寻优个体的最大适应度值；对寻优个体执行随机行为，得到第三更新值，所述随机行为为：其中，当t≥2时，v
t-1
表示第t-1次训练的寻优个体视野；从第一更新值、第二更新值以及第三更新值中确定适应度值最大的目标值，并采用该目标值更新寻优个体，得到更新后的寻优个体；根据寻优个体视野v
t
，对更新后的寻优个体进行混沌搜索，得到搜索后的寻优个体为：其中，x
inew
表示搜索后的寻优个体，v
t+1
表示第t+1次训练时的寻优个体视野，z表示与混沌序列维度相等的混沌序列；根据微调因子α对第一目标个体进行扰动为：
其中，表示第t次训练过程中选出的第n个第一目标个体，表示扰动后的8.一种输变电工程检测试验管控装置，其特征在于，包括数据输入模块、分配模块、进度监测模块以及ai分析模块；所述数据输入模块用于，获取输变电工程的至少一个待检测试验项目，所述待检测试验项目包括待试验地点、待试验内容、待试验对象以及待试验参数；所述分配模块用于，在试验管理数据库中获取与待检测试验项目的匹配度最高的候选处理部门，得到目标处理部门，并将该待检测试验项目分配至目标处理部门；所述进度监测模块用于，当待检测试验项目分配至目标处理部门后，接收目标处理部门所传输的试验结果参数，并根据该试验结果参数，实时监控待检测试验项目的试验进度；所述ai分析模块用于，当监测到试验进度为百分之百时，根据待试验内容、待试验对象、待试验参数以及试验结果参数，并采用ai分析算法获取试验质量预测结果，并根据该试验质量预测结果生成试验报告单，完成输变电工程检测试验的管控。9.一种输变电工程检测试验管控设备，其特征在于，包括存储器和处理器，所述存储器与处理器之间通过总线相互连接；所述存储器存储计算机执行指令；所述处理器执行存储器存储的计算机执行指令，使得处理器执行如权利要求1至7任一所述的输变电工程检测试验管控方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现权利要求1至7任一所述的输变电工程检测试验管控方法。

技术总结
本发明公开了一种输变电工程检测试验管控方法、装置、设备及存储介质，在检测试验开始时，除了记录检测试验的详细信息，还进行了自动匹配作业部门，以方便检测试验任务的下发，然后通过对检测试验任务进行实时监控，并在检测试验任务进度完成之后，对检测试验的结果进行分析，以预测检测试验的质量，实现了输变电工程检测试验的全生命周期管理，从而辅助管理人员进行管理工作，以提高工作效率。以提高工作效率。以提高工作效率。


技术研发人员：冯玉功 金山 张博 鄂天龙 高鹏 张小勇 李爱武 魏建民 李伟 周帆
受保护的技术使用者：国网甘肃省电力公司
技术研发日：2023.06.13
技术公布日：2023/8/31