输电线路巡维任务的调度方法、系统、设备和存储介质

摘要

本申请提供了一种输电线路巡维任务的调度方法、系统、设备和存储介质，包括：获取可选择巡维人员的人口统计学属性、岗位职责内容和巡维任务的巡维信息；基于人口统计学属性生成静态属性向量；基于岗位职责内容生成电力领域标签；基于电力领域标签生成相似度向量；基于静态属性向量、相似度向量、电力领域标签生成可选择巡维人员的用户画像；判断巡维信息与可选择巡维人员的用户画像是否匹配，若巡维信息与所述用户画像匹配，则将用户画像对应的可选择巡维人员作为巡维任务的目标巡维人员。本申请可以提升目标巡维人员成功完成巡维任务的概率。

说明书

技术领域

本申请涉及输电线路巡维技术领域，尤其涉及一种输电线路巡维任务的调度方法、系统、设备和存储介质。

背景技术

随着科技的发展，人们对电的需求量愈发增加，电力系统的规模也在不断扩大。为保证用电的平稳安全，保障电力系统的安全运行是至关重要的。输电线路由于其通道长，所处环境复杂，受自然条件影响较大，导致线路故障在整个电力系统故障中占有很大的比例，线路故障比设备故障导致的影响更深远、危害更大。因此对输电线路进行巡维是至关重要的一个环节。但现有成本水平下的巡维人员力量、无人机规模难以满足巡维要求。

现有的巡维方法一般为将输电线路的巡维任务外包给市场巡维人员执行，由于市场巡维人员的不确定性高，可能并未具有相应资质或者经验，无法胜任巡维任务，导致无法确保巡维任务的有效完成。因此现有技术存在执行巡维任务时效率低的缺点。

发明内容

本申请提供了一种输电线路巡维任务的调度方法、系统、设备和存储介质，以解决现有技术存在的执行巡维任务时效率低的问题。

为了解决上述技术问题，本申请实施例公开了如下技术方案：

第一方面，本申请提供了一种输电线路巡维任务的调度方法，该方法包括：

获取可选择巡维人员的人口统计学属性、岗位职责内容和巡维任务的巡维信息；

基于所述人口统计学属性生成静态属性向量；

基于所述岗位职责内容生成电力领域标签，所述电力领域标签包括主题向量和标签向量；

基于所述电力领域标签生成相似度向量；

基于所述静态属性向量、所述相似度向量、所述电力领域标签生成可选择巡维人员的用户画像；

判断所述巡维信息与可选择巡维人员的用户画像是否匹配，若所述巡维信息与所述用户画像匹配，则将所述用户画像对应的可选择巡维人员作为巡维任务的目标巡维人员。

可选的，所述人口统计学属性包括可选择巡维人员的性别、年龄、名称、职务和学历中的至少一项。

可选的，所述基于所述岗位职责内容生成电力领域标签的步骤之后，还包括：

获取可选择巡维人员的操作行为；

根据所述操作行为更新所述电力领域标签。

可选的，所述操作行为包括可选择巡维人员的用户登录时间、用户操作模块、用户操作时长和用户操作动作中的至少一项。

可选的，所述基于所述岗位职责内容生成电力领域标签，包括：

获取所述岗位职责内容对应的电力领域；所述电力领域包括服务域、核算域、财务域、营销设备域、电网域、市场域、量测域和管控域中的至少一项；

根据所述电力领域生成电力领域标签。

可选的，所述电力领域包括至少一个子域，每个子域对应至少一个主标签和/或至少一个子标签。

可选的，所述基于所述岗位职责内容生成电力领域标签的步骤之后，还包括：

获取所述电力领域标签中所述标签向量的维度；

判断所述标签向量的维度是否满足预设条件，若所述标签向量的维度不满足所述预设条件，则对所述标签向量的维度进行修改，以使修改后的标签向量的维度满足所述预设条件。

第二方面，本申请提供了一种输电线路巡维任务的调度系统，包括：

获取模块，被配置为获取可选择巡维人员的人口统计学属性、岗位职责内容和巡维任务的巡维信息；

静态模块，被配置为基于所述人口统计学属性生成静态属性向量；

领域模块，被配置为基于所述岗位职责内容生成电力领域标签，所述电力领域标签包括主题向量和标签向量；

相似模块，被配置为基于所述电力领域标签生成相似度向量；

画像模块，被配置为基于所述静态属性向量、所述相似度向量、所述电力领域标签生成可选择巡维人员的用户画像；

匹配模块，被配置为判断所述巡维信息与可选择巡维人员的用户画像是否匹配，若所述巡维信息与所述用户画像匹配，则将所述用户画像对应的可选择巡维人员作为巡维任务的目标巡维人员。

第三方面，本申请提供了一种输电线路巡维任务的调度设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。

第四方面，本申请提供了一种存储介质，存储有计算机程序，所述计算机程序被处理器执行时，实现如上述方法的步骤。

与现有技术相比，本申请的有益效果为：

本申请提供了一种输电线路巡维任务的调度方法、系统、设备和存储介质，根据可选择巡维人员的静态属性向量、相似度向量、主题向量和标签向量生成可选择巡维人员的用户画像，可以使得用户画像包括可选择巡维人员的多种特征，多个维度不同层面去全面的、详细的表征每个可选择巡维人员，用户画像的清晰的结构，易于计算机理解和计算，从而可以提升目标巡维人员与巡维任务的匹配程度，可以提升目标巡维人员成功完成巡维任务的概率。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的输电线路巡维任务的调度方法的整体流程图；

图2为本申请实施例提供的输电线路巡维任务的调度系统的结构示意图；

图3为本申请实施例提供的输电线路巡维任务的调度设备的结构示意图；

图4为本申请实施例提供的存储介质的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

参见图1，为本申请实施例提供的输电线路巡维任务的调度方法的整体流程图。如图1所示，该方法包括以下步骤：

S1、获取可选择巡维人员的人口统计学属性、岗位职责内容和巡维任务的巡维信息；

S2、基于所述人口统计学属性生成静态属性向量；

S3、基于所述岗位职责内容生成电力领域标签，所述电力领域标签包括主题向量和标签向量；

S4、基于所述电力领域标签生成相似度向量；

S5、基于所述静态属性向量、所述相似度向量、所述电力领域标签生成可选择巡维人员的用户画像；

S6、判断所述巡维信息与可选择巡维人员的用户画像是否匹配，若所述巡维信息与所述用户画像匹配，则将所述用户画像对应的可选择巡维人员作为巡维任务的目标巡维人员。

下面对各个步骤进行详细描述：

在步骤S1中，获取巡维任务相关数据，包括：可选择巡维人员的人口统计学属性、岗位职责内容和巡维任务的巡维信息。

在一些实施例中，人口统计学属性可以包括用户基础信息，例如，可选择巡维人员的性别、年龄、名称、职务、学历中的至少一项。人口统计学属性都是静态的属性向量，可以直接提取，不需要针对性的训练即可得到。

需要说明的是，岗位职责内容和巡维任务的巡维信息可由每个实施场景中的巡维部门提供，在此不做赘述。

在步骤S2，基于所述人口统计学属性生成静态属性向量。

在一些实施例中，人口统计学属性可以是将可选择巡维人员的某一特征按照区段进行划分归类，例如以年龄为例根据分段划分为70后、80后、90后、00后等等。举例说明，一个可选项巡维人员的的静态属性向量为＝，ID为可选择巡维人员的唯一标示的ID，例如工号、注册编号等等，姓名为可选择巡维人员姓名，性别＝<男，女>，学历＝<高中，大学，硕士，博士，其他>，年龄＝<60，70，80，90，00，10>共6个等级，职务以营销管理系统的角色为依据进行制定，例如：业务稽查专责。

在步骤S3中，基于所述岗位职责内容生成电力领域标签，所述电力领域标签包括主题向量和标签向量。

在一些实施例中，根据可选择巡维人员的岗位职责内容生成电力领域标签。电力领域标签＝<主题向量Topic，标签向量Tag>。在这个二元组中，主题向量用来表示标签关键词，主题向量＝<服务域，核算域，财务域，营销设备域，电网域，市场域，量测域，管控域>，标签向量Tag是一个构成的二元数组，权重最大的向量作为画像标签向量。

上述8个主题域是依据按照电力领域的相关知识和营销系统数据进行的。主题向量主要是通过综合可选择巡维人员的基础信息、电网信息，进行数据处理，以关键词的形式来对可选择巡维人员进行表述。由于传统的方法在处理空间向量模型时多数是采用关键词与其值来表示的，关键词表示特征，值表示权重，但是在电力领域下的关键词太多导致在处理数据上带来了问题，在画像的更新与维护上都很费时，而且每个大分类下面的关键字也很多就给用户画像带来了不便。传统的关键词描述的画像会导致向量过长，造成数据稀疏，不利于我们进行相似度的计算，因此采用8个大分类来描述用户画像的电网领域标签和权重。同时用这种方法更方便主体模型的扩展，每个主题向量上的维度也精确描述了用户对该分类上的倾向程度。

在一些实施例中，将每个主题域分为多个子域，具体的参见表1。

表1

在一些实施例中，每个子域对应至少一个主标签和/或至少一个子标签。

具体的，服务域的标签情况如表2所示。

表2

核算域的标签情况如表3所示。

表3

账务域的标签情况如表4所示。

表4

营销设备域的标签情况如表5所示。

表5

电网域的标签情况如表6所示。

表6

市场域的标签情况如表7所示。

表7

量测域的标签情况如表8所示。

表8

管控域的标签情况如表9所示。

表9

根据对子域的理解和营销管理系统中的功能应用对子域数据按照统计类、互动行为、基础类进行分类，以线损子域为例进行说明，1)根据线损业务处理分出主标签-线损异常；2)根据线损中的统计指标报表分出主标签-线损指标；3)根据线损中的相关基础信息分出主标签-线损管理。在获取主标签后，对主标签按照业务类别进行分类。线损异常对应的子标签包括线索异常分析、线损异常、线损异常监测；线损指标对应的子标签包括单位线损考核结果、线路和台区指标、线路线损统计、线损分区统计；线损管理对应的子标签包括：线损计量点、线损分支及用户、线损台区及考核户。

标签向量Tag＝这个二元组中，tag用来表示标签关键词，同样用weight来表示标签向量中关键词的权重，即用户在这个画像标签上的权重大小，weight越大代表着相符的成都越高，我们把Tag这个向量作为我们的画像标签向量，Tag中的关键词是通过电网各系统数据和电网系统使用行为进行获取的。标签向量Tag为进行精确的计算画像间标签相似度提供了数据基础。

在建立用户标签向量的同时，还要考虑标签向量维度的问题。有的用户的标签向量的维度比较多。因此就应该对标签的长度进行截断，以便于进行更新、管理和维护。有些用户职责范围比较单一，对他标记的标签特征就可能比较少，同样还需要对这些向量进行适当的扩充。在本实施场景中，规定标签向量的长度为10。当用户的标签向量维度的个数大于10时，就要对标签向量中的各个Tag根据其权重进行排序，只选用其中前10个权重比较大的Tag作为该用户的标签向量；相反当Tag个数小于10时，就要考虑对标签向量进行扩充，先通过系统提供的API接口获取标签特征向量(N<10，N代表维度)，然后在获取系统提供的推荐Tag。最终根据用户原有Tag和推荐Tag进行排序，选取排名前10个Tag。

在步骤S4中，基于所述电力领域标签生成相似度向量。

在一些实施例中，用户社交关系模型ActionRelation，主要用来表示可选择巡维人员与其他用户在电力领域的相似度和亲密关系的程度，也可以理解为可选择巡维人员与其他用户的相似度，即ActionRelation＝。由于两个领域标签向量相似的可选择巡维人员会对电力领域上的某些事物有着相似的看法和情感上的认知。在现实生活中，两个用户相似，那么一个用户的看法和评价就会对另一个用户的行为和喜好有着一定的参考作用。

在上述的用户社交关系模型中，ActionRelation＝＝，Similarity-ui是通过主题向量与标签向量得到的，其中主题向量和标签向量都来自于电力领域标签中的两个向量分量。为每一个可选择巡维人员进行用户画像，每一个可选择巡维人员都可以用Users向量来表示自己，他们之间的标签向量的相似性在一定程度上能够反映他们具有一定的相似性。

Similarity-ui是代表可选择巡维人员u与其他用户i的相似度，即可选择巡维人员u的电力领域标签的主题向量Topic-u与其他用户i的电力领域标签的主题向量Topic-i的相似度。Topic-u直接从可选择巡维人员的Powerfield中获取，Similarity(Topic-u，Topic-i)就表示u与i的电力领域标签主题向量相似程度；Similarity(Tag-u，Tag-i)就表示u与i的标签向量相似程度，通过余弦相似度进行计算。其中计算Similarity(Tag-u，Tag-i)时会出现由于同义词造成的相似度不明确的概念，例如可选择巡维人员u1的标签向量中有<事故定损，输电运维班组>，而可选择巡维人员u2中包含<事故分析，输电设备管理者>，针对这个问题计算得出的相似度为0，所以建立立同义词词库，通过同义词词库中的统一标签关键词进行约束。通过对Similarity(Topic-u，Topic-i)和Similarity(Tag-u，Tag-i)进行叠加处理计算得到Similarity(u，i)。

在本申请实施例中，其他用户可以是除开可选择巡维人员u以外的其他可选择巡维人员。

在一些实施例中，对可选择巡维人员的行为维度进行画像，行为维度主要是可选择巡维人员操作维度和可选择巡维人员社交维度。操作维度主要来自于可选择巡维人员在目标电网系统的操作行为，包括用户登录时间、用户操作模块、用户操作时长、用户操作动作。社交维度主要从共同关注和社会关系，社会关系主要考虑可选择巡维人员的的工作关系，包括所属机构、上下级关系、与其他可选择巡维人员的用户相似度。可根据可选择巡维人员的岗位职责内容进行电力领域标签初始化，根据可选择巡维人员在目标电网系统的操作行为对电力领域标签进行更新。

在步骤S5中，基于所述静态属性向量、所述相似度向量、所述电力领域标签生成可选择巡维人员的用户画像。

具体的，用户画像的生成其实就是对Users模型进行生成：人口统计学特征(Demographics)、用户行为关系特征(ActionRelation)的生成、用户电力领域标签特征(Powerfield)的生成。用户画像User＝。

在一些实施例中，可选择巡维人员的岗位可能发生调动，或者可选择巡维人员有升职、离职等情况，因此需要对可选择巡维人员的用户画像进行更新。例如，对可选择巡维人员的岗位的电力领域标签中主题向量进行更新，可以以定期检查的方式去更新每个可选择巡维人员的主题向量，此外，可以结合短期电力领域向量和反馈向量进行对主题向量更新。可以采取同样的方法对对可选择巡维人员的岗位的电力领域标签中标签向量进行更新，此外还需要对同义词词库进行定期维护。当主题向量和标签向量更新后，根据更新后的主题向量和标签向量对相似度向量进行更新。

在步骤S6中，判断所述巡维信息与可选择巡维人员的用户画像是否匹配，若所述巡维信息与所述用户画像匹配，则将所述用户画像对应的可选择巡维人员作为巡维任务的目标巡维人员。

具体的，获取巡维任务的巡维信息，判断巡维信息与可选择巡维人员额用户画像是否匹配，例如可以通过训练后的判断模型获取两者的匹配程度，若巡维信息与用户画像匹配，则将可选择巡维人员作为巡维任务的目标巡维人员。

通过上述描述可知，根据可选择巡维人员的静态属性向量、相似度向量、主题向量和标签向量生成可选择巡维人员的用户画像，可以使得用户画像包括可选择巡维人员的多种特征，多个维度不同层面去全面的、详细的表征每个可选择巡维人员，用户画像的清晰的结构，易于计算机理解和计算，从而可以提升目标巡维人员与巡维任务的匹配程度，可以提升目标巡维人员成功完成巡维任务的概率。

本发明实施例还提供了一种输电线路巡维任务的调度系统，如图2所示为输电线路巡维任务的调度系统的结构示意图，包括获取模块11、静态模块12、领域模块13、相似模块14、画像模块15、匹配模块16。

获取模块11被配置为获取可选择巡维人员的人口统计学属性、岗位职责内容和巡维任务的巡维信息；静态模块12被配置为基于所述人口统计学属性生成静态属性向量；领域模块13被配置为基于所述岗位职责内容生成电力领域标签，所述电力领域标签包括主题向量和标签向量；相似模块14被配置为基于所述电力领域标签生成相似度向量；画像模块15被配置为基于所述静态属性向量、所述相似度向量、所述电力领域标签生成可选择巡维人员的用户画像；匹配模块16被配置为判断所述巡维信息与可选择巡维人员的用户画像是否匹配，若所述巡维信息与所述用户画像匹配，则将所述用户画像对应的可选择巡维人员作为巡维任务的目标巡维人员。

其中，人口统计学属性包括可选择巡维人员的性别、年龄、名称、职务、学历中的至少一项。

领域模块13还用于获取可选择巡维人员的操作行为，根据操作行为更新电力领域标签。

其中，操作行为包括可选择巡维人员的用户登录时间、用户操作模块、用户操作时长、用户操作动作中的至少一项。

领域模块13还用于获取岗位职责内容对应的电力领域，根据电力领域生成电力领域标签；其中，电力领域包括服务域、核算域、财务域、营销设备域、电网域、市场域、量测域和管控域中的至少一项。

其中，电力领域包括至少一个子域，每个子域对应至少一个主标签和/或至少一个子标签。

领域模块13还用于获取电力领域标签中标签向量的维度，判断标签向量的维度是否满足预设条件，若标签向量的维度不满足预设条件，则对标签向量的维度进行修改，使得修改后的标签向量的维度满足预设条件。

通过上述描述可知，本实施例中输电线路巡维任务管理系统根据可选择巡维人员的静态属性向量、相似度向量、主题向量和标签向量生成可选择巡维人员的用户画像，可以使得用户画像包括可选择巡维人员的多种特征，多个维度不同层面去全面的、详细的表征每个可选择巡维人员，用户画像的清晰的结构，易于计算机理解和计算，从而可以提升目标巡维人员与巡维任务的匹配程度，可以提升目标巡维人员成功完成巡维任务的概率。

图3是本发明实施例提供的一种输电线路巡维任务的调度设备的结构示意图。计算机设备20包括处理器21、存储器22。处理器21耦接存储器22。存储器22中存储有计算机程序，处理器21在工作时执行该计算机程序以实现如图1所示的方法。详细的方法可参见上述，在此不再赘述。

通过上述描述可知，本实施例中计算机设备根据可选择巡维人员的静态属性向量、相似度向量、主题向量和标签向量生成可选择巡维人员的用户画像，可以使得用户画像包括可选择巡维人员的多种特征，多个维度不同层面去全面的、详细的表征每个可选择巡维人员，用户画像的清晰的结构，易于计算机理解和计算，从而可以提升目标巡维人员与巡维任务的匹配程度，可以提升目标巡维人员成功完成巡维任务的概率。

图4是本发明实施例提供的一种存储介质的结构示意图。计算机可读存储介质30中存储有至少一个计算机程序31，计算机程序31用于被处理器执行以实现如图1所示的方法，详细的方法可参见上述，在此不再赘述。在一个实施例中，计算机可读存储介质30可以是终端中的存储芯片、硬盘或者是移动硬盘或者优盘、光盘等其他可读写存储的工具，还可以是服务器等等。

通过上述描述可知，本实施例中存储介质中的计算机程序根据可选择巡维人员的静态属性向量、相似度向量、主题向量和标签向量生成可选择巡维人员的用户画像，可以使得用户画像包括可选择巡维人员的多种特征，多个维度不同层面去全面的、详细的表征每个可选择巡维人员，用户画像的清晰的结构，易于计算机理解和计算，从而可以提升目标巡维人员与巡维任务的匹配程度，可以提升目标巡维人员成功完成巡维任务的概率。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

由于以上实施方式均是在其他方式之上引用结合进行说明，不同实施例之间均具有相同的部分，本说明书中各个实施例之间相同、相似的部分互相参见即可。在此不再详细阐述。

需要说明的是，在本说明书中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或暗示这些实体或操作之间存在任何这种实际的关系或顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的电路结构、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种电路结构、物品或者设备所固有的要素。在没有更多限制的情况下，有语句“包括一个......”限定的要素，并不排除在包括所述要素的电路结构、物品或者设备中还存在另外的相同要素。

本领域技术人员在考虑说明书及实践这里发明的公开后，将容易想到本申请的其他实施方案。本申请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申请的一般性原理并包括本申请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，本申请的真正范围和精神由权利要求的内容指出。以上所述的本申请实施方式并不构成对本申请保护范围的限定。