一种基于神经网络算法的数据质量问题排查方法

摘要

本发明涉及一种基于神经网络算法的数据质量问题排查方法，包括以下步骤：S1、编制现场调度经验集；S2、采集系统数据，并对系统数据进行稽核；S3、建立事件排查树状结构图；S4、推理步骤S3中事件排查树状结构图中各个事件的可信度；S5、推算事件排查树状图中各个事件的权重分配；S6、建立事件排查树状结构图的排查规则；S7、按照排查规则进行排查。有益效果是：依托系统数据，结合现场调度员的调度经验，使用大数据算法结合神经网络算法建立事件排查树状结构图，进而制定排查规则，当系统出现告警时，对异常数据进行分析后按照排查规则进行排查，实现对告警事件的初步定位，同时将定位结果反馈至现场人员，提高自动化程度。

说明书

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于神经网络算法的数据质量问题排查方法。

背景技术

电厂或变电站接到排查数据的要求后，其排查过程仅依靠现场人员的经验。不同的调度员经验不同，排查顺序与步骤不同，只能提供提供疑似问题点，再联络变电站值班人员或配网工作人员协同调查异数据问题，需投入人力巨大且工作繁琐费时。

发明内容

本发明的目的在于克服现有技术存在的以上问题，提供一种基于神经网络算法的数据质量问题排查方法。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种基于神经网络算法的数据质量问题排查方法，包括以下步骤：

S1、让每位调度员整理个人的现场调度经验，对这些调度经验进行归纳、汇总编制成现场调度经验集；

S2、采集系统数据，并对系统数据进行稽核；

S3、对完成稽核后的系统数据进行数据特征分析，建立事件排查树状结构图；

S4、利用步骤S1中制成的现场调度经验集推理步骤S3中事件排查树状结构图中各个事件的可信度；

S5、推算事件排查树状图中各个事件的权重分配；

S6、建立当系统出现异常数据时，事件排查树状结构图的排查规则；

S7、当系统出现告警时，对异常数据进行分析后按照步骤S6中事件排查树状结构图的排查规则进行排查。

其中，所述步骤S1中所述调度经验包括调度事件的异常数据、调度事件的事件名称、调度事件的调度内容。

其中，所述步骤S1中所述现场调度经验集按照调度事件的事件名称进行归纳、按照系统业务流程的顺序进行排序，将属于同一调度事件的异常数据进行数据特征分析与定性，将属于同一调度事件的调度内容进行合并、总结。

其中，所述步骤S2中系统数据包括台账与计量数据、系统运维数据、系统警报数据、系统业务流程。

其中，所述步骤S2中对系统数据进行稽核包括重新检查省电网数据平台下发的台账与计量数据的完整性、重新提取系统运维数据、检查警报信息的数量和真实性、系统业务流程重新梳理。

其中，所述步骤S3中事件排查树状结构图按照系统业务流程构建框架，以单个事件作为一个独立的节点，每个节点包含事件名称、事件数据存储位置链接、事件数据特征的定性词。

其中，所述步骤S4中利用步骤S1中制成的现场调度经验集推理步骤S3中事件排查树状结构图中各个事件的可信度具体包括：调取现场调度经验集中与事件排查树状结构图中节点的事件名称相同的调度经验信息，比对数据、数据特征、定性词是否一致，若一致则在事件排查树状结构图的对应节点标准可信的标签，若不一致则告知调度员进行人工推理并进行人工修改。

其中，所述步骤S5中推算事件排查树状图中各个事件的权重分配具体包括：根据事件对电网正常运行的负面影响程度从大至小进行权重分配。

本发明的有益效果是：依托系统数据，结合现场调度员的调度经验，使用大数据算法结合神经网络算法建立事件排查树状结构图，进而制定排查规则，当系统出现告警时，对异常数据进行分析后按照排查规则进行排查，实现对告警事件的初步定位，同时将定位结果反馈至现场人员，提高自动化程度。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明实施例中数据质量问题排查方法的结构示意图。

具体实施方式

下面将参考附图并结合实施例，来详细说明本发明。

在本发明的描述中，需要理解的是，术语“开孔”、“上”、“下”、“厚度”、“顶”、“中”、“长度”、“内”、“四周”等指示方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的组件或元件必须具有特定的方位，以特定的方位构造和操作，因此不能理解为对本发明的限制。

如图1所示，一种基于神经网络算法的数据质量问题排查方法，包括以下步骤：

S1、让每位调度员整理个人的现场调度经验，对这些调度经验进行归纳、汇总编制成现场调度经验集；

S2、采集系统数据，并对系统数据进行稽核；

S3、对完成稽核后的系统数据进行数据特征分析，建立事件排查树状结构图；

S4、利用步骤S1中制成的现场调度经验集推理步骤S3中事件排查树状结构图中各个事件的可信度；

S5、推算事件排查树状图中各个事件的权重分配；

S6、建立当系统出现异常数据时，事件排查树状结构图的排查规则；

S7、当系统出现告警时，对异常数据进行分析后按照步骤S6中事件排查树状结构图的排查规则进行排查。

依托系统数据，结合现场调度员的调度经验，使用大数据算法结合神经网络算法建立事件排查树状结构图，进而制定排查规则，当系统出现告警时，对异常数据进行分析后按照排查规则进行排查，实现对告警事件的初步定位，同时将定位结果反馈至现场人员，提高自动化程度。

其中，步骤S1中调度经验包括调度事件的异常数据、调度事件的事件名称、调度事件的调度内容。

其中，步骤S1中现场调度经验集按照调度事件的事件名称进行归纳、按照系统业务流程的顺序进行排序，将属于同一调度事件的异常数据进行数据特征分析与定性，将属于同一调度事件的调度内容进行合并、总结。

其中，步骤S2中系统数据包括台账与计量数据、系统运维数据、系统警报数据、系统业务流程。

其中，步骤S2中对系统数据进行稽核包括重新检查省电网数据平台下发的台账与计量数据的完整性、重新提取系统运维数据、检查警报信息的数量和真实性、系统业务流程重新梳理。

其中，步骤S3中事件排查树状结构图按照系统业务流程构建框架，以单个事件作为一个独立的节点，每个节点包含事件名称、事件数据存储位置链接、事件数据特征的定性词。

其中，步骤S4中利用步骤S1中制成的现场调度经验集推理步骤S3中事件排查树状结构图中各个事件的可信度具体包括：调取现场调度经验集中与事件排查树状结构图中节点的事件名称相同的调度经验信息，比对数据、数据特征、定性词是否一致，若一致则在事件排查树状结构图的对应节点标准可信的标签，若不一致则告知调度员进行人工推理并进行人工修改。

其中，步骤S5中推算事件排查树状图中各个事件的权重分配具体包括：根据事件对电网正常运行的负面影响程度从大至小进行权重分配。以便于在一个或多个出现数据特征同时与多个节点相接近时，按照权重的从大至小进行顺序比对，以避免对电网正常运行的负面影响程度大的事件被拖延时间。

排查示例一：IF 2号变电站变比错误=是

AND不平衡=轻度

AND 持续出现=是

AND 以前未出现=是

THEN 判定变比数据未更新

排查示例二：IF 2号变电站变比错误=是

AND不平衡=中度

AND 持续出现=是

AND 以前未出现=否

THEN 判定变比数据不规范，值域错误

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。