本发明涉及业务配置交互,具体而言,涉及基于实时缓存的配置数据无限层级逻辑嵌套可视化方法。
背景技术:
1、在电力系统中,变电设备的健康状况直接影响着电网的稳定性和可靠性。就目前而言,变电设备健康评估方法已经逐步应用机器学习模型进行智能识别,然而,机器学习模型输出的变电设备健康评估结果通常是复杂的、多层级的结构化数据,如何将变电设备健康评估结果进行有效的组织、存储和展示,是亟需解决的问题。现有的数据处理方法,主要采用如关系型数据库和静态页面,不仅难以满足数据的动态性和交互性需求,导致数据的利用率低,用户体验差;另外在业务配置交互方面,现有数据处理方法主要采用硬编码的方式,将业务逻辑和界面展示耦合在一起,导致系统的灵活性和可维护性差,当业务需求发生变化时,需要修改大量的代码,工作量大的同时,也容易引入错误,影响系统的稳定性。
技术实现思路
1、本发明的目的在于提供基于实时缓存的配置数据无限层级逻辑嵌套可视化方法,其通过配置模型实时缓存动态生成的评估结果,并与vue组件进行双向绑定,实现了配置模型与评估结果的同步配置,能够使得业务配置变得更加灵活和高效,无需修改代码即可适应业务变化,极大地提高了系统的可维护性和可扩展性。
2、本发明的实施例通过以下技术方案实现:
3、基于实时缓存的配置数据无限层级逻辑嵌套可视化方法,该方法的步骤包括:
4、获取变电设备健康业务逻辑配置需求;
5、根据业务逻辑配置需求采集变电设备相关数据,同时基于变电设备相关数据建立设备健康评估模型,以获取变电设备健康评估结果;
6、根据变电设备健康评估结果创建配置模型,配置模型将变电设备健康评估结果封装为特定格式的数据结构,并通过vue组件将变电设备健康评估结果与配置模型进行双向绑定,所述配置模型实时缓存动态生成的特定格式的变电设备健康评估结果;
7、配置模型实时缓存动态生成的变电设备健康评估结果,以实现配置模型与变电设备健康评估结果的同步配置。
8、可选的,所述特定格式的数据结构,其具体为json格式。
9、可选的,所述采集变电设备相关数据,其具体通过在变电设备处布设多种传感器,多种传感器分别采集变电设备的运行数据及环境数据,变电设备的运行数据及环境数据汇总构成所述变电设备相关数据。
10、可选的,所述设备健康评估模型基于随机森林分类器进行构建。
11、可选的,所述设备健康评估模型,其训练过程为:
12、获取变电设备的历史运行数据及环境数据;
13、对变电设备的历史运行数据及环境数据进行清洗及转换,将变电设备的历史运行数据及环境数据划分为训练集和测试集;
14、对训练集和测试集进行特征提取,并对提取的特征向量进行归一化处理,将处理后的特征向量及对应的健康状态标签组成训练数据集和测试数据集;
15、将训练数据集输入至设备健康评估模型中进行训练,通过自助采样和特征随机选择,构建多棵决策树,在训练过程中,根据损失函数计算每棵决策树的权重,并迭代更新决策树的参数,直至迭代达到最大次数;
16、将测试数据集输入至设备健康评估模型中,以获取变电设备健康评估结果,验证变电设备健康评估结果是否达到预期值,若否,则调整超参数并重新进行训练;若是,则输出完成训练的设备健康评估模型。
17、可选的,所述损失函数的计算公式为:
18、
19、其中,d为当前节点的数据集,k为类别数量,n为训练数据集d中的样本数量,wi为第i个样本的权重,i(yi=k)为指示函数,当第i个样本的类别为k时,i(yi=k)取值为1,否则i(yi=k)为0,m为特征数量,fj为第j个特征的重要性权重,i(xij=1)为指示函数,当第i个样本的第j个特征取值为1时,i(xij=1)取值为1,否则i(xij=1)为0。
20、可选的,所述配置模型的创建分别包括:
21、根据变电设备健康评估结果的层级关系创建配置模型的表单层级结构;
22、根据变电设备健康评估结果的字段生成相应的表单项,同时根据字段的类型和约束条件,定义表单项的展示方式和交互行为。
23、可选的,所述根据变电设备健康评估结果的层级关系创建配置模型的表单层级结构,其具体为:
24、将封装为json格式的变电设备健康评估结果按照优先层级的顺序进行结构化,并以层级索引为标识创建结构树;
25、对结构树进行深度优先遍历,生成每个叶子节点的唯一标识符,根据生成的唯一标识符创建对应配置模型的表单dom元素,并为每个表单dom元素绑定对应的vue组件,并进行赋值传参。
26、本发明实施例的技术方案至少具有如下优点和有益效果:
27、本发明实施例通过配置模型实时缓存动态生成的评估结果,并与vue组件进行双向绑定,实现了配置模型与评估结果的同步配置,能够使得业务配置变得更加灵活和高效,无需修改代码即可适应业务变化,极大地提高了系统的可维护性和可扩展性。
1.基于实时缓存的配置数据无限层级逻辑嵌套可视化方法,其特征在于,该方法的步骤包括:
2.根据权利要求1所述的基于实时缓存的配置数据无限层级逻辑嵌套可视化方法,其特征在于,所述特定格式的数据结构,其具体为json格式。
3.根据权利要求2所述的基于实时缓存的配置数据无限层级逻辑嵌套可视化方法,其特征在于,所述采集变电设备相关数据,其具体通过在变电设备处布设多种传感器,多种传感器分别采集变电设备的运行数据及环境数据,变电设备的运行数据及环境数据汇总构成所述变电设备相关数据。
4.根据权利要求3所述的基于实时缓存的配置数据无限层级逻辑嵌套可视化方法,其特征在于,所述设备健康评估模型基于随机森林分类器进行构建。
5.根据权利要求4所述的基于实时缓存的配置数据无限层级逻辑嵌套可视化方法,其特征在于,所述设备健康评估模型,其训练过程为:
6.根据权利要求5所述的基于实时缓存的配置数据无限层级逻辑嵌套可视化方法,其特征在于,所述损失函数的计算公式为:
7.根据权利要求1-6任一项所述的基于实时缓存的配置数据无限层级逻辑嵌套可视化方法,其特征在于,所述配置模型的创建分别包括:
8.根据权利要求7所述的基于实时缓存的配置数据无限层级逻辑嵌套可视化方法,其特征在于,所述根据变电设备健康评估结果的层级关系创建配置模型的表单层级结构,其具体为: