一种面向电力监控系统供应链的风险预警方法及系统与流程

1.本技术涉及数据处理技术领域，尤其涉及一种面向电力监控系统供应链的风险预警方法及系统。


背景技术：

2.电力监控系统是用于监视和控制电力生成、供应过程的智能系统和设备，基于计算机及网络技术的业务系统，随着智能化电网、能源互联网战略的推进，电力网络安全问题越来越突出，其引起的安全问题也越来越深刻地影响电力系统的安全、稳定和经济运行。电力监控系统是关键基础设施，其网络安全已成为国家网络安全重要组成部分，供应链安全作为电力网络安全的重要组成部分，引起广泛关注。
3.现有技术中电力监控系统供应链的安全预警由于当下技术评估的数据来源维度较单一，且对隐性的风险缺乏评估手段，进而使得目前的面向电力监控系统供应链的风险预警方案效果较差，实时和预测性较低。


技术实现要素：

4.本技术的目的是提供一种面向电力监控系统供应链的风险预警方法及系统，用以解决电力监控系统供应链的安全预警由于当下技术评估的数据来源维度较单一，使得面向电力监控系统供应链的风险预警方案效果较差，实时和预测性较低的技术问题。达到了从多维度进行综合风险评估，使得面向电力监控系统供应链的风险预警效果提高，实时性和预测覆盖性更广，能够打破单一维度数据限制，提高了对于各种风险评估准确性的技术效果。
5.鉴于上述问题，本技术提供了一种面向电力监控系统供应链的风险预警方法及系统。
6.第一方面，本技术提供了一种面向电力监控系统供应链的风险预警方法，所述方法包括：获得电力供应链信息，其中，所述电力供应链信息包括系统供应信息 、电力供应信息；根据所述系统供应信息，获得系统信息数据库，所述系统信息数据库包括多维度系统数据集；基于所述多维度系统数据集进行联邦学习，构建系统分析模型，通过所述系统分析模型对所述系统供应信息进行风险分析，获得第一风险信息；根据所述电力供应信息进行供应链风险参数分析，获得供应风险影响参数集；对所述风险影响参数集进行权重运算，确定参数风险权重；基于所述参数风险权重对所述电力供应信息进行风险分析，获得第二风险信息；根据所述第一风险信息、所述第二风险信息，确定供应链风险预警结果。
7.另一方面，本技术还提供了一种面向电力监控系统供应链的风险预警系统，用于执行如第一方面所述的一种面向电力监控系统供应链的风险预警方法，所述系统包括：第一获得单元，所述第一获得单元用于获得电力供应链信息，其中，所述电力供应链信息包括系统供应信息 、电力供应信息；第二获得单元，所述第二获得单元用于根据所述系统供应信息，获得系统信息数
据库，所述系统信息数据库包括多维度系统数据集；第一执行单元，所述第一执行单元用于基于所述多维度系统数据集进行联邦学习，构建系统分析模型，通过所述系统分析模型对所述系统供应信息进行风险分析，获得第一风险信息；第三获得单元，所述第三获得单元用于根据所述电力供应信息进行供应链风险参数分析，获得供应风险影响参数集；第一确定单元，所述第一确定单元用于对所述风险影响参数集进行权重运算，确定参数风险权重；第四获得单元，所述第四获得单元用于基于所述参数风险权重对所述电力供应信息进行风险分析，获得第二风险信息；第二确定单元，所述第二确定单元用于根据所述第一风险信息、所述第二风险信息，确定供应链风险预警结果。
8.第三方面，本技术还提供了一种面向电力监控系统供应链的风险预警系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
9.第四方面，本技术还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一项所述的方法。
10.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：本技术公开了一种面向电力监控系统供应链的风险预警方法及系统，通过获得电力供应链信息，其中，所述电力供应链信息包括系统供应信息 、电力供应信息；根据系统供应信息，获得系统信息数据库，所述系统信息数据库包括多维度系统数据集；基于所述多维度系统数据集进行联邦学习，构建系统分析模型，通过所述系统分析模型对所述系统供应信息进行风险分析，获得第一风险信息，利用多维度的系统数据对系统供应信息进行风险评估，采用联邦学习的方式构建模型可以在保持隐私信息的基础上打破单一维度的数据限制，提高对于系统供应上的风险分析；根据所述电力供应信息进行供应链风险参数分析，获得供应风险影响参数集；对所述风险影响参数集进行权重运算，确定参数风险权重；基于所述参数风险权重对所述电力供应信息进行风险分析，获得第二风险信息，第二风险信息包含了设备参数风险、环境参数分析，从显性、隐性多维度的风险层面进行系统风险评估；最后按照第一风险信息、第二风险信息中的风险评估结果针对各风险参数进行对应的预警，以提高电力监控系统的监控力度，基于该电力监控系统供应链在市场中的运营信息评估风险，进行对应的风险预警，维护电力系统的稳定性、可靠性，避免造成电力系统故障和风险而影响正常使用，达到了从多维度进行综合风险评估，使得面向电力监控系统供应链的风险预警效果提高，实时性和预测覆盖性更广，能够打破单一维度数据限制，提高了对于各种风险评估准确性的技术效果。从而解决了电力监控系统供应链的安全预警由于当下技术评估的数据来源维度较单一，使得面向电力监控系统供应链的风险预警方案效果较差，实时和预测性较低的技术问题。
11.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
12.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
13.图1为本技术实施例的一种面向电力监控系统供应链的风险预警方法的流程示意图；图2为本技术实施例一种面向电力监控系统供应链的风险预警系统的结构示意图；图3为本技术实施例示例性电子设备的结构示意图。
14.附图标记说明：第一获得单元11，第二获得单元12，第一执行单元13，第三获得单元14，第一确定单元15，第四获得单元16，第二确定单元17，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
15.本技术实施例通过提供一种面向电力监控系统供应链的风险预警方法及系统，解决了电力监控系统供应链的安全预警由于当下技术评估的数据来源维度较单一，使得面向电力监控系统供应链的风险预警方案效果较差，实时和预测性较低的技术问题。
16.下面，将参考附图对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术的一部分实施例，而不是本技术的全部实施例，应理解，本技术不受这里描述的示例实施例的限制。基于本技术的实施例，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，都属于本技术保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本技术相关的部分而非全部。
17.本技术提供的技术方案总体思路如下：获得电力供应链信息，其中，所述电力供应链信息包括系统供应信息 、电力供应信息；根据所述系统供应信息，获得系统信息数据库，所述系统信息数据库包括多维度系统数据集；基于所述多维度系统数据集进行联邦学习，构建系统分析模型，通过所述系统分析模型对所述系统供应信息进行风险分析，获得第一风险信息；根据所述电力供应信息进行供应链风险参数分析，获得供应风险影响参数集；对所述风险影响参数集进行权重运算，确定参数风险权重；基于所述参数风险权重对所述电力供应信息进行风险分析，获得第二风险信息；根据所述第一风险信息、所述第二风险信息，确定供应链风险预警结果。达到了从多维度进行综合风险评估，使得面向电力监控系统供应链的风险预警效果提高，实时性和预测覆盖性更广，能够打破单一维度数据限制，提高了对于各种风险评估准确性的技术效果。
18.在介绍了本技术基本原理后，下面将结合说明书附图来具体介绍本技术的各种非限制性的实施方式。
19.实施例一请参阅附图1，本技术实施例提供了一种面向电力监控系统供应链的风险预警方法，所述方法包括：
步骤s100：获得电力供应链信息，其中，所述电力供应链信息包括系统供应信息 、电力供应信息。
20.具体的，获得当前分析监控的电力供应链信息，系统供应信息为供应链中使用的软件的供应情况，包括软件供应商、软硬件信息等。电力供应信息为电力搭建的供应关系，包括电力提供商、电力设备、传输连接关系、传输环境、用户信息等。
21.步骤s200：根据所述系统供应信息，获得系统信息数据库，所述系统信息数据库包括多维度系统数据集。
22.进一步的，所述根据所述系统供应信息，获得系统信息数据库，所述系统信息数据库包括多维度系统数据集，包括：根据所述系统供应信息，获得供应商信息、供应软硬件信息；根据所述供应商信息、所述供应软硬件信息，获得相关供应数据集；根据所述供应商信息，确定供应商风险影响信息，基于所述供应商风险影响信息对所述相关供应数据集进行影响信息特征匹配，获得第一系统信息数据集；根据所述供应软硬件信息，确定软硬件运行特征，基于所述软硬件运行特征对所述相关供应数据集进行特征匹配，获得第二系统信息数据集；基于所述第一系统信息数据集、所述第二系统信息数据集，获得所述多维度系统数据集。
23.具体的，针对系统供应信息中的供应商信息、软硬件信息进行相关信息的采集提取，从供应商、具体使用软硬件情况进行多维度数据的分析。供应商包括了供应商国别、供应商资质、供应商合作记录等，软硬件信息包括了软硬件属性、软硬件技术、软硬件运行状态、运行合作用户等。
24.按照供应商信息、供应软硬件信息的多维度信息进行相关数据的搜集，建立相关供应数据集，其中包括了供应商、软硬件相关的供应信息，包括了具体的供应商信息、软硬件信息，还包括了该供应商向他们电力系统提供的软硬件信息，其中包括了提供的软硬件信息、合作时间、应用的历史监控数据、参数信息等。
25.分别基于供应商的具体信息、提供的软硬件的技术及使用记录数据分别进行风险影响信息特征的分析，确定供应商的国别、资质、合作记录等存在风险的影响信息，将该影响信息进行特征分析，确定哪些特征信息具有风险性，如供应商国别，是否具有外交、政治风险因素，哪些合作、哪些技术、或者哪些时间段的合作具有风险等，针对具体的风险信息确定如何辨别这个风险因素的表现特征。利用确定的供应商风险影响信息从相关供应数据集中进行特征匹配，将匹配成功的也就是符合这些风险信息的特征的数据信息进行提取，得到第一系统信息数据集，第一系统信息数据集为包含有供应商分析得到的存在风险的特征信息的记录集合，也就是说找到的与当前使用的供应商具有相同特征属性的存在风险的供应记录，利用具有相同供应商的电力系统进行风险综合分析，以增加分析样本，提高分析维度。
26.同样的针对提供的软硬件信息进行具体的软件、硬件存在的风险特征进行分析评估，找到软硬件存在风险的特征，如技术漏洞、硬件元件的质量问题、硬件参数的风险、应用环境的影响等，对于存在的风险问题进行造成该风险相关的数据特征，如软件存在漏洞，当设定参数受到网络环境影响时会产生系统短路，则该风险特征为该软件的参数与网络环境的信息特征，利用软硬件运行特征用来描述哪些信息数据特征会存在影响电力系统稳定性、安全性的风险因素表现信息，利用确定的软硬件运行特征在相关供应数据集中进行数
据特征的匹配，找到哪些记录中包含了这些软硬件存在风险的特征，即找到包含这些风险特征的记录数据集合，作为第二系统信息数据集，利用第二系统信息数据集可以进行软硬件风险信息的评估和分析，不但依靠本地的供应链数据进行风险分析，利用多维度的数据进行分析，加大样本数量，以提高分析可靠性。由第一系统信息数据集、第二系统信息数据集共同构建了多维度系统数据集，其中包括了供应商、软硬件信息等多维度数据，还包括了本地和相关系统供应的多维度数据，通过扩大数据的广度和维度来提供风险防范和预警的效果。
27.步骤s300：基于所述多维度系统数据集进行联邦学习，构建系统分析模型，通过所述系统分析模型对所述系统供应信息进行风险分析，获得第一风险信息。
28.进一步的，所述基于所述多维度系统数据集进行联邦学习，构建系统分析模型，包括：根据所述多维度系统数据集进行权重运算，获得多维度系统数据集权重分配结果；基于所述多维度系统数据集权重分配结果进行风险关联性分析，获得第一训练信息、第二训练信息、直到第n训练信息，其中，n为大于2的自然数；基于所述第一训练信息进行联邦学习，确定第一训练模型参数，以此类推，基于所述第二训练信息、第n训练信息进行联邦学习，确定第二训练模型参数、直到第n训练模型参数；根据所述第一训练模型参数、第二训练模型参数、直到第n训练模型参数构建多层级模型，获得所述系统分析模型。
29.进一步的，所述方法包括：根据所述多维度系统数据集权重分配结果，获得第一训练信息权重、第二训练信息权重、直到第n训练信息权重；获得所述多层级模型的多层级输出结果；基于所述第一训练信息权重、第二训练信息权重、直到第n训练信息权重对所述多层级输出结果进行权重计算，获得所述第一风险信息。
30.具体的，利用多维度系统数据集进行风险评估模型的构建训练，风险评估模型分为多层模型，由于多维度系统数据集中包含了多各维度的数据，对所有数据进行相关联性分析，找到其中存在具有相同影响方向或者影响关系的数据进行一层模型的构建，分别组件多组具有相同影响方向或影响关系的数据组建训练数据，利用各组训练数据构建对应的模型，将各层模型进行组合嵌套，构建起风险评估模型，最后，按照各分析模型中训练数据权重对各模型的输出结果进行加权运算，得到总的风险评估结果，作为第一风险信息。
31.为了更好的量化多维度系统数据集中的数据对电力系统的风险影响性，对各数据进行权重分析，可选的利用critic权重法或信息量权重法对多维度系统数据集中的各数据进行权重分析，得到各数据的权重值，按照权重值自大到小的顺序排序，针对参数数据量大的，按照预设数量选择权重值靠前的参数进行分析，如参数设定为不超过10，则选取前10的参数进行相关性分析，找到其中对电力系统存在的风险相关性，按照相关性进行组合，按照对电力系统的影响方向进行确定，如影响网络传播速度的，则将该参数作为一组训练数据进行对系统传播速度的风险分析。按照相关性确定最终几组训练信息进行对应的模型构建和训练，模型可选的为神经网络模型。
32.为了打破维度的数据限制，本技术通过联邦学习的方式对风险评估模型进行优化，其中优化的手段包括对多层模型进行统一学习优化，还包括分别将每层模型进行分别学习优化，主要视学习环境而确定，面对具有相同模型结构和数据的合作训练平台和训练用户，可以进行对应的学习。
33.本技术实施例分别多各层级模型进行联邦学习，对第一系统信息数据集中系统供
应信息相关的数据参数进行关联性分析，确定其中对于电力系统风险的影响性，若参数多的可以进行参数组合分析，找到各组合对于风险的关联性，确定分组训练信息，每组训练信息进行一个模型的训练，构建多供应商风险分析模型；若参数少如只有供应商国别的政治影响和网络兼容性影响，则将第一系统信息数据集中的参数确定为一组训练信息，构建供应商风险分析模型。对第二系统信息数据集中电力供应信息中的参数数据进行关联性分析，找到其中对系统存在关联性风险分析的数据，如硬件设置参数与网络环境对电力系统风险的影响分析，将该数据作为一组训练信息，构建风险分析模型，利用该组训练数据进行模型运行，以此类推有多少关系和分组则构建对应的模型，可选的对于参数较多时，可以根据软件、硬件、显性影响、隐性影响进行分组，以确保风险评估的可靠性和覆盖范围。使得软硬件均得到风险分析，显性隐性影响信息也均得到风险分析，增加风险分析的全面性。
34.针对各组训练数据和训练模型，将模型的训练参数和训练数据通过加密上传至学习合作平台，利用其他共同学习的合作方提供的数据进行模型训练，得到训练好的参数对本地的模型进行更新，通过联邦学习在保证数据安全性的前提下与合作方建立合作学习训练的关系，利用双方或多方数据进行模型参数的训练和完善，将训练确定的模型参数返回至各参与学习的用户端，各方利用接收到的参数对本地的模型参数进行更新，从而达到了完善优化本地模型，使得本地模型精准度更好的效果。
35.分别将各层模型均经过联邦学习对模型进行更新后，将所有更新优化的模型进行多层组件得到多层级模型。使得对电力系统进行多维度的风险评估分析。
36.步骤s400：根据所述电力供应信息进行供应链风险参数分析，获得供应风险影响参数集。
37.具体的，电力供应信息为电力供应的供应链，发送端信息、传输设备信息、传输环境信息、传输线路信息、接收用户端，在各供应链的节点处对应了该节点的供应风险参数，对整个供应链的各阶段存在的风险影响参数进行分析和提取，找到整个供应链的参数集合。
38.在进行影响参数的分析和提取时，可以利用历史数据进行风险评估，找到其中易发生风险的参数，如设备的运行参数、传输管线的长度、信号干扰、环境影响等。针对电力监控系统所在范围内的具体供应链信息进行各供应节点处存在的风险参数确定和提取。供应风险影响参数集即包含了在电力系统供应链各个节点中存在的风险的参数集合。
39.步骤s500：对所述风险影响参数集进行权重运算，确定参数风险权重。
40.进一步的，所述对所述风险影响参数集进行权重运算，确定参数风险权重，包括：根据所述风险影响参数集，设定评估合作通道，其中，所述评估合作通道包括q条评估合作通道，q不小于10，且，每条评估合作通道对应一个评估合作电力系统；基于所述风险影响参数集确定参数要素、参数指标值，将所述参数要素及所述参数指标值输入所述评估合作通道，获得第一合作评估结果集；根据所述第一合作评估结果集，获得第一平均评估结果；基于所述风险影响参数集、所述q条评估合作通道，获得评估合作参数集；基于所述评估合作参数集，确定合作参数要素、合作参数指标值，将所述合作参数要素及合作参数指标值输入所述评估合作通道，获得第二合作评估结果集；基于所述第二合作评估结果集，获得第二平均评估结果；根据所述第一平均评估结果、所述第二平均评估结果对各风险影响参数进行综合分析，获得所述参数风险权重。
41.具体的，对风险影响参数集中各参数进行风险影响权重分析，权重值越大则对系统的风险影响越大，反之越小，利用各参数的风险影响权重来进行电力系统供应链的电力供应风险评估，综合性分析系统的风险性。
42.可选的，在确定风险影响参数集中各参数的权重时，利用德菲尔算法，构建多评估通道对电力供应中的各参数进行风险影响评估，评估合作通道主要与各专业评估系统连接，将风险影响参数集中的风险参数和指标值进行整合，构建参数列表输入评估合作通道进行评估，不少于10条评估合作通道与各电力系统的评估系统进行连接，得到各评估合作电力系统给的反馈评估结果，将所有反馈的评估结果进行平均运算，得到各参数的权重平均值。同时基于风险影响参数集中的参数向各合作通道获取其对应的系统参数值，找到与风险影响参数具有同源性的数据，获得各评估合作电力系统的影响参数信息，再输入评估合作通道中进行评估，得到反馈的结果进行平均，得到各影响参数的平均值作为第二平均评估结果，最后将得到的第一平均评估结果、第二平均评估结果进行平均计算，或者按照占比进行置信区间计算，在置信区间中进行平均值计算，确定最终各参数的风险影响权重值。
43.步骤s600：基于所述参数风险权重对所述电力供应信息进行风险分析，获得第二风险信息。
44.进一步的，所述基于所述参数风险权重对所述电力供应信息进行风险分析，获得第二风险信息，包括：基于所述参数风险权重中的风险参数，根据所述电力供应信息，获得供应参数信息集；根据所述供应参数信息集，获得设备参数信息集、环境参数信息集；将所述设备参数信息集输入设备风险估计模型，获得设备参数风险估计结果；将所述环境参数信息集输入环境参数估计模型，获得环境参数风险估计结果；根据所述参数风险权重对所述设备参数风险评估结果、所述环境参数风险评估结果进行权重计算，获得所述第二风险信息，所述第二风险信息包括设备风险信息、环境风险信息。
45.具体的，利用参数风险权重和各参数对电力系统的风险影响信息进行加权计算，得到最终的第二风险信息，第二风险信息即对于电力供应信息得到的自电力供应发送端、输送设备、传输环境、传输管道、接收用户信息整个供应链的风险评估结果。
46.在进行第二风险信息的分析处理时，本技术实施例通过设备参数信息和环境参数信息进行分类处理，由于设备参数的监测和影响是直接的，而环境参数的影响是间接的，也可以说一个是显性的，一个是隐性的，针对不同的影响状态进行对应的影响性分析。针对设备参数的影响时，利用各设备对电力系统的影响性、设备参数对设备的运行状态的风险影响性拟合回归函数，建立设备风险估计模型，设备参数的设置关系对电力系统的影响进行风险分析，确定设备硬件参数对于系统的风险影响结果。
47.对于环境参数对于电力系统的影响是间接的、隐性的，利用环境参数中的信号干扰、湿度温度的影响、网络环境的影响和最终的影响结果确定训练数据，利用历史相关记录数据按照训练数据的数据要求构建训练数据集，进行神经网络模型的训练学习，得到环境参数评估模型，将确定的环境参数中的信号干扰信息、湿度温度信息、网络环境信息输入至环境参数评估模型中，获得环境参数风险评估结果。最终，按照参数风险权重中设备参数的权重、环境参数的权重，确定设备参数风险评估结果、环境参数风险评估结果的风险影响占比，得到第二风险信息，得到了电力供应信息供应链中的风险信息，其中包含了设备的显性影响信息和环境信号等隐性影响信息，对电力系统的风险进行综合分析，实现多维度的分
析处理，以提高电力系统分析的可靠性。
48.步骤s700：根据所述第一风险信息、所述第二风险信息，确定供应链风险预警结果。
49.具体的，按照第一风险信息、第二风险信息中的风险评估结果针对各风险参数进行对应的预警，以提高电力监控系统的监控力度，基于该电力监控系统供应链在市场中的运营信息评估风险，进行对应的风险预警，维护电力系统的稳定性、可靠性，避免造成电力系统故障和风险而影响正常使用，达到了从多维度进行综合风险评估，使得面向电力监控系统供应链的风险预警效果提高，实时性和预测覆盖性更广，能够打破单一维度数据限制，提高了对于各种风险评估准确性的技术效果。解决了电力监控系统供应链的安全预警由于当下技术评估的数据来源维度较单一，使得面向电力监控系统供应链的风险预警方案效果较差，实时和预测性较低的技术问题。
50.综上，本技术实施例至少具有如下技术效果：1.通过系统供应信息 、电力供应信息分别进行多维度数据的分析，以打破单一维度数据限制，提高了对于各种风险评估准确性的技术效果。
51.2.通过利用联邦学习对多层系统分析模型进行各层级优化，分别将各层模型均经过联邦学习对模型进行更新后，将所有更新优化的模型进行多层组件得到多层级模型，达到了基于联邦学习可以在保存隐私信息的基础上打破单一维度的数据限制，使得对电力系统进行多维度的风险评估分析，进而提高了对于风险评估准确性的技术效果。
52.3.通过对电力供应信息供应链的风险影响参数权重分析，利用各风险影响参数进行显性、隐性风险分析，基于显性风险和隐性风险做出风险预警，进一步扩大了风险分析的维度，提高了电力监控系统的监控力度和覆盖范围。
53.实施例二基于与前述实施例中一种面向电力监控系统供应链的风险预警方法，同样发明构思，本发明还提供了一种面向电力监控系统供应链的风险预警系统，请参阅附图2，所述系统包括：第一获得单元11，所述第一获得单元11用于获得电力供应链信息，其中，所述电力供应链信息包括系统供应信息 、电力供应信息；第二获得单元12，所述第二获得单元12用于根据所述系统供应信息，获得系统信息数据库，所述系统信息数据库包括多维度系统数据集；第一执行单元13，所述第一执行单元13用于基于所述多维度系统数据集进行联邦学习，构建系统分析模型，通过所述系统分析模型对所述系统供应信息进行风险分析，获得第一风险信息；第三获得单元14，所述第三获得单元14用于根据所述电力供应信息进行供应链风险参数分析，获得供应风险影响参数集；第一确定单元15，所述第一确定单元15用于对所述风险影响参数集进行权重运算，确定参数风险权重；第四获得单元16，所述第四获得单元16用于基于所述参数风险权重对所述电力供应信息进行风险分析，获得第二风险信息；第二确定单元17，所述第二确定单元17用于根据所述第一风险信息、所述第二风
险信息，确定供应链风险预警结果。
54.进一步的，所述系统还包括：第五获得单元，所述第五获得单元用于根据所述系统供应信息，获得供应商信息、供应软硬件信息；第六获得单元，所述第六获得单元用于根据所述供应商信息、所述供应软硬件信息，获得相关供应数据集；第二执行单元，所述第二执行单元用于根据所述供应商信息，确定供应商风险影响信息，基于所述供应商风险影响信息对所述相关供应数据集进行影响信息特征匹配，获得第一系统信息数据集；第三执行单元，所述第三执行单元用于根据所述供应软硬件信息，确定软硬件运行特征，基于所述软硬件运行特征对所述相关供应数据集进行特征匹配，获得第二系统信息数据集；第七获得单元，所述第七获得单元用于基于所述第一系统信息数据集、所述第二系统信息数据集，获得所述多维度系统数据集。
55.进一步的，所述系统还包括：第八获得单元，所述第八获得单元用于根据所述多维度系统数据集进行权重运算，获得多维度系统数据集权重分配结果；第九获得单元，所述第九获得单元用于基于所述多维度系统数据集权重分配结果进行风险关联性分析，获得第一训练信息、第二训练信息、直到第n训练信息，其中，n为大于2的自然数；第三确定单元，所述第三确定单元用于基于所述第一训练信息进行联邦学习，确定第一训练模型参数，以此类推，基于所述第二训练信息、第n训练信息进行联邦学习，确定第二训练模型参数、直到第n训练模型参数；第十获得单元，所述第十获得单元用于根据所述第一训练模型参数、第二训练模型参数、直到第n训练模型参数构建多层级模型，获得所述系统分析模型。
56.进一步的，所述系统还包括：第十一获得单元，所述第十一获得单元用于根据所述多维度系统数据集权重分配结果，获得第一训练信息权重、第二训练信息权重、直到第n训练信息权重；第十二获得单元，所述第十二获得单元用于获得所述多层级模型的多层级输出结果；第十三获得单元，所述第十三获得单元用于基于所述第一训练信息权重、第二训练信息权重、直到第n训练信息权重对所述多层级输出结果进行权重计算，获得所述第一风险信息。
57.进一步的，所述系统还包括：第四执行单元，所述第四执行单元用于根据所述风险影响参数集，设定评估合作通道，其中，所述评估合作通道包括q条评估合作通道，q不小于10，且，每条评估合作通道对应一个评估合作电力系统；第十四获得单元，所述第十四获得单元用于基于所述风险影响参数集确定参数要素、参数指标值，将所述参数要素及所述参数指标值输入所述评估合作通道，获得第一合作
评估结果集；第十五获得单元，所述第十五获得单元用于根据所述第一合作评估结果集，获得第一平均评估结果；第十六获得单元，所述第十六获得单元用于基于所述风险影响参数集、所述q条评估合作通道，获得评估合作参数集；第一处理单元，所述第一处理单元用于基于所述评估合作参数集，确定合作参数要素、合作参数指标值，将所述合作参数要素及合作参数指标值输入所述评估合作通道，获得第二合作评估结果集；第十七获得单元，所述第十七获得单元用于基于所述第二合作评估结果集，获得第二平均评估结果；第十八获得单元，所述第十八获得单元用于根据所述第一平均评估结果、所述第二平均评估结果对各风险影响参数进行综合分析，获得所述参数风险权重。
58.进一步的，所述系统还包括：第十九获得单元，所述第十九获得单元用于基于所述参数风险权重中的风险参数，根据所述电力供应信息，获得供应参数信息集；第二十获得单元，所述第二十获得单元用于根据所述供应参数信息集，获得设备参数信息集、环境参数信息集；第二十一获得单元，所述第二十一获得单元用于将所述设备参数信息集输入设备风险估计模型，获得设备参数风险估计结果；第二十二获得单元，所述第二十二获得单元用于将所述环境参数信息集输入环境参数估计模型，获得环境参数风险估计结果；第二十三获得单元，所述第二十三获得单元用于根据所述参数风险权重对所述设备参数风险评估结果、所述环境参数风险评估结果进行权重计算，获得所述第二风险信息，所述第二风险信息包括设备风险信息、环境风险信息。
59.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是预期他实施例的不同之处，前述图1实施例一中的一种面向电力监控系统供应链的风险预警方法和具体实例同样适用于本实施例的一种面向电力监控系统供应链的风险预警系统，通过前述对一种面向电力监控系统供应链的风险预警方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种面向电力监控系统供应链的风险预警系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
60.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
61.示例性电子设备下面参考图3来描述本技术实施例的电子设备。
62.图3图示了根据本技术实施例的电子设备的结构示意图。
63.基于与前述实施例中一种面向电力监控系统供应链的风险预警方法的发明构思，本发明还提供一种面向电力监控系统供应链的风险预警系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种面向电力监控系统供应链的风险预警方法的任一方法的步骤。
64.其中，在图3中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。
65.处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
66.本领域内的技术人员应明白，本技术的实施例可提供为方法、装置、或计算机程序产品。因此，本技术可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外，本技术为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于：u盘、移动硬盘、只读存储器（read-0nly memory，简称rom）、随机存取存储器（random access memory，简称ram）、磁盘存储器、只读光盘（compact disc read-only memory，简称cd-rom）、光学存储器等各种可以存储程序代码的介质。
67.本发明是参照本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的系统。
68.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
69.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例进行另外的变更和修改。
70.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明同技术的范围之内，则本发明也意图包含这些改动和变型在内。