本发明涉及电能质量监测处理领域，更具体地说，它涉及一种电能质量在线监测方法及系统。
背景技术：
1、当前的电能质量监测系统大多依赖自动化的数据采集和算法分析，主要针对电力系统中的电压、电流、谐波等电力参数进行实时监控，旨在检测潜在的电力系统问题。然而，现有的监测系统存在如下不足：
2、尽管现有的系统可以自动采集数据并分析异常，但在实际操作中，维修工人的经验仍然是解决问题的主要方式。维修工人往往根据自身的经验，结合现场的监测数据来判断故障原因并选择处理方法。这些行为在现有监测系统中未被充分利用，导致系统难以提供个性化、针对性的维修建议。
技术实现思路
1、本发明提供一种电能质量在线监测方法及系统，解决背景技术中提出的技术问题。
2、第一方面，一种电能质量在线监测方法，包括：
3、步骤s101，采集样本空间的非线性负载设备的异常电力数据；采集维修人员对非线性负载设备的异常测试行为以及该异常测试行为的时长；
4、对非线性负载设备、异常数据分别标号和异常测试行为分类，得到k种非线性负载设备、m种异常数据和n个测试行动；
5、步骤s102，基于每组异常电力数据和每组异常测试行为构建关联度矩阵，并将每个关联度矩阵和每组异常测试行为的时长构建训练样本，根据训练样本进行深度学习得到时长预测模型；
6、步骤s103，构建层次图，将k种非线性负载设备映射为层次图的一级节点，将m种异常数据映射为层次图的二级节点，将n个测试行动重复映射为层次图的三级至n级节点；
7、抽取非线性负载设备、异常数据和测试行动之间的实体关系，基于实体关系构建各级的节点的边；
8、步骤s104，基于层次图和时长预测模型构建监测数据处理平台，监测数据处理平台用于处理目标空间异常的非线性负载设备及其异常电力数据，得到目标空间的异常事件的测试方案。
9、进一步的，基于每组异常电力数据和每组异常测试行为构建关联度矩阵，包括：
10、关联度矩阵为m种异常数据和n个测试行动构建的m×n大小的矩阵，关联度矩阵中第i行第j列的元素表示第i种异常数据和第j个测试行动的关联性；若第i种异常数据和第j个测试行动之间有关联，则关联度矩阵中第i行第j列的元素为（i，j），否则为（0，0）。
11、进一步的，将每个关联度矩阵和每组异常测试行为的时长构建训练样本，根据训练样本进行深度学习得到时长预测模型，包括：
12、对每个关联度矩阵和每组异常测试行为的时长数据归一化；
13、将归一化后的关联度矩阵作为时长预测模型的输入；
14、时长预测模型包括m个隐藏层，每个隐藏层包括n个处理单元；第m个隐藏层的第n个处理单元的隐藏状态输入到预设的分类器中，分类器的分类空间表示该组异常测试行为对相应的异常电力数据总测试时长；时长预测模型采用均误方差损失函数更新权重参数和偏置参数。
15、进一步的，抽取非线性负载设备、异常数据和测试行动之间的实体关系，基于实体关系构建各级的节点的边；
16、根据非线性负载设备、异常数据和测试行动分别构建映射k种非线性负载设备的k个一级节点、m种异常数据的m个二级节点和n个测试行动的n个三级节点；
17、非线性负载设备、异常数据和测试行动之间通过其关联度构建边，并将关联度作为相应的边的权重；
18、关联度用于表示层次图中第i个节点和第j个节点在样本空间数据中共同出现的概率；共同出现的概率的计算公式如下：
19、；其中，表示层次图中第i个节点和第j个节点共同出现的概率，表示第i个节点在样本空间数据中出现的总次数，表示第j个节点在样本空间数据中出现的总次数，表示第i个节点和第j个节点在样本空间数据中共同出现的总次数，1为整数1。
20、进一步的，基于层次图和时长预测模型构建监测数据处理平台，所述监测数据处理平台用于处理目标空间异常的非线性负载设备及其异常电力数据，得到目标空间的异常事件的测试方案，所述监测数据处理平台包括：
21、数据采集单元，用于采集目标空间异常的非线性负载设备及该非线性负载设备的异常数据；
22、测试建议单元，用于根据目标空间异常的非线性负载设备、相应的非线性负载设备的异常数据、非线性负载设备之间的关联度、异常数据和测试行动的关联度和测试行动之间的关联度，并根据预设的阈值遍历层次图，结合时长预测模型，确定目标空间的异常事件的测试方案；
23、反馈采集单元，用于采集用户对目标空间的异常事件的测试方案的意见，并对测试方案的意见预处理，得到反馈数据；
24、特征提取单元，用于对反馈数据进行处理，所述特征提取单元包括：
25、分词模块，通过中文分词工具对反馈数据进行分词；
26、词性标注模块，通过词性标注工具对分词后的反馈数据进行词性标注；
27、识别模块，通过识别工具对词性标注后的反馈数据进行实体识别和关系词识别，提取出与层次图相关的节点实体，并对节点实体之间构建连接关系；
28、实体链接模块，将反馈数据中的节点实体与层次图中的节点进行匹配和链接；
29、层次图更新模块，根据节点实体之间的连接关系，更新层次图中各个节点的关联度。
30、进一步的，根据预设的阈值遍历层次图，结合时长预测模型，确定目标空间的异常事件的测试方案，包括：
31、获得目标空间的非线性负载设备和相应的非线性负载设备的异常数据；
32、根据目标空间的每种非线性负载设备与其他非线性负载设备的关联度，确定非线性负载设备的测试顺序；
33、若x个待选择非线性负载设备与当前的非线性负载设备的关联度相同，则将x个待选择非线性负载设备均作为下一个测试的非线性负载设备，得到x个测试方案的分支；
34、根据第i个测试的非线性负载设备的异常数据和n个测试行动的关联度以及n个测试行动之间的关联度，结合预设的测试行动的关联度阈值，确定测试行动的顺序；
35、若y个待选择的测试行动与当前异常数据的关联度相同，则将y个待选择的测试行动均作为初始的测试行动，得到y个分支；若z个待选择的测试行动与当前的测试行动的关联度相同，将当前z个待选择的异常数据均作为下一个测试的异常数据，得到z个分支；
36、其中，当待选择的测试行动和当前的测试行动的关联度均小于测试行动的关联度阈值时停止选择；
37、确定目标空间的异常事件的若干个测试方案，对每个测试方案使用时长预测模型评估时长，以确定最终的测试方案。
38、进一步的，对每个测试方案使用时长预测模型评估时长，以确定最终的测试方案，包括：
39、对每个测试方案分别构建关联度矩阵；
40、将关联度矩阵输入时长预测模型中，时长预测模型输出该测试方案的测试时长；
41、基于每个测试方案测试时长筛选若干个方案作为备选方案；
42、其中，筛选包括对比每个测试方案的测试时长并选择时长低于预设的时长阈值的测试方案，将时长低于时长阈值的测试方案输入生成式语言工具中并评分，选择评分高于预设的评分阈值的测试方案，得到若干个备选方案；
43、将若干个备选方案通过随机算法随机推送至目标空间。
44、进一步的，根据节点实体之间的连接关系，更新层次图中各个节点的关联度，包括：
45、对节点实体之间的连接关系根据识别工具对词性标注划分为强正向关联、弱正向关联、不关联、弱负向关联和强负向关联；其中，每种关联状态分别设定有相应的更新值；
46、基于节点实体之间的连接关系对层次图节点的关联度更新，计算公式如下：
47、；其中，表示层次图中节点i和节点j之间更新的关联度，表示层次图中节点i和节点j之间当前的关联度，表示层次图中节点i和节点j映射的节点实体之间的关联状态的更新值，和分别表示层次图中节点i和节点j的关联度的上限阈值和下限阈值，表示权重参数。
48、第二方面，一种电能质量在线监测系统，包括：
49、数据采集模块，采集样本空间的非线性负载设备的异常电力数据；采集维修人员对非线性负载设备的异常测试行为以及该异常测试行为的时长；
50、预测模块，基于每组异常电力数据和每组异常测试行为构建关联度矩阵，并将每个关联度矩阵和每组异常测试行为的时长构建训练样本，根据训练样本进行深度学习得到时长预测模型；
51、层次图构建模块，构建层次图，将k种非线性负载设备映射为层次图的一级节点，将m种异常数据映射为层次图的二级节点，将n个测试行动重复映射为层次图的三级至n级节点；
52、监测处理模块，基于层次图和时长预测模型构建监测数据处理平台，监测数据处理平台用于处理目标空间异常的非线性负载设备及其异常电力数据，得到目标空间的异常事件的测试方案。
53、第三方面，本发明提供一种计算设备，包括：
54、一个或多个处理器；
55、存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述的方法。
56、本发明的有益效果在于：通过将维修工人的维修操作分解为若干动作后构建为层次图，从而可以对任意目标空间发生的异常非线性负载设备和异常电力数据智能的处理并给出解决的方案，并根据解决的方案的反馈更新层次图，从而对电能质量监测数据以人工经验的方式处理，使电能质量监测数据得到充分利用。
1.一种电能质量在线监测方法，其特征在于，包括：
2.根据权利要求1所述的一种电能质量在线监测方法，其特征在于，基于每组异常电力数据和每组异常测试行为构建关联度矩阵，包括：
3.根据权利要求1所述的一种电能质量在线监测方法，其特征在于，将每个关联度矩阵和每组异常测试行为的时长构建训练样本，根据训练样本进行深度学习得到时长预测模型，包括：
4.根据权利要求1所述的一种电能质量在线监测方法，其特征在于，抽取非线性负载设备、异常数据和测试行动之间的实体关系，基于实体关系构建各级的节点的边；
5.根据权利要求1所述的一种电能质量在线监测方法，其特征在于，基于层次图和时长预测模型构建监测数据处理平台，所述监测数据处理平台用于处理目标空间异常的非线性负载设备及其异常电力数据，得到目标空间的异常事件的测试方案，所述监测数据处理平台包括：
6.根据权利要求5所述的一种电能质量在线监测方法，其特征在于，根据预设的阈值遍历层次图，结合时长预测模型，确定目标空间的异常事件的测试方案，包括：
7.根据权利要求6所述的一种电能质量在线监测方法，其特征在于，对每个测试方案使用时长预测模型评估时长，以确定最终的测试方案，包括：
8.根据权利要求5所述的一种电能质量在线监测方法，其特征在于，根据节点实体之间的连接关系，更新层次图中各个节点的关联度，包括：
9.一种电能质量在线监测系统，其特征在于，应用于如权利要求1至8任一项所述的方法中，包括：
10.一种计算设备，其特征在于，包括：
