一种面向储能系统算法分析双通道的跨通道一致性自动化验证方法与流程

本发明涉及软件测试自动化，尤其涉及一种面向储能系统算法分析双通道的跨通道一致性自动化验证方法。

背景技术：

1、随着新型储能电站规模的持续扩大，储能web管理系统已从单一的数据监控平台发展为集成数据分析与智能运维的综合性系统。当前主流储能web系统普遍采用“双通道”架构提供算法分析服务：一方面，用户可以通过数据分析面板，在结构化的表单界面中逐级选择场站、设备、算法类型和时间区间后触发计算，获取包含统计指标、分析报告和可视化图表的结构化结果；另一方面，用户可以通过内嵌的ai运维助手，以自然语言提问的方式发起相同的算法分析请求，ai系统解析用户意图后调用后端相同的算法引擎，并以自然语言形式返回分析结果。

2、这种双通道架构的核心设计要求是：无论用户通过哪个通道发起分析请求，只要请求的语义等价（即指向相同的场站、设备、算法和时间区间），两个通道返回的结果应当保持一致。这种一致性是系统可靠性的关键指标——若ui面板显示“压差一致性平均值99.94”，而ai助手对同一请求回复“压差一致性平均值98.34”，则说明系统存在严重的通道间数据不一致缺陷。

3、然而，当前针对此类双通道系统的一致性验证面临以下技术难题：

4、（1）输入构造难度高：ui通道需要操作多级设备树形控件逐层选择参数，ai通道需要构造语义等价的自然语言文本，两种输入形态完全不同，手动构造等价输入对极易出现语义偏差，导致验证结果不可信；

5、（2）结果提取维度复杂：ui通道的分析结果分散在dom统计卡片、分析报告文本区域和canvas渲染的可视化图表三类异构载体中，无法通过单一方式统一提取；ai通道的返回结果为非结构化的自然语言段落，需要从中解析出与ui通道对应的结构化字段才能进行比对；

6、（3）比对策略设计困难：双通道输出包含数值型统计指标、文本型分析结论和图像型可视化图表三种模态，传统的精确字符串匹配方法无法适用——数值指标可能存在合理的计算精度差异，结论文本可能用不同措辞表达相同语义，图表可能存在渲染差异但数据一致；

7、（4）差异归因困难：当发现不一致时，需要判断差异来源于ai对用户意图的误解（如时间范围识别错误）、算法计算精度差异、还是结论生成逻辑偏差，目前缺乏系统化的差异分类与裁决方法。

8、现有的web自动化测试方法（包括基于playwright、selenium等框架的常规测试方法）主要面向单通道、单模态的功能验证，通过页面元素的精确定位和固定断言进行功能正确性校验，无法解决上述双通道、多模态、语义等价映射和容差比对的技术问题。

9、因此，就需要一种能够实现跨通道一致性验证的全流程自动化，显著提升储能系统算法分析功能的测试效率与缺陷检出能力的面向储能系统算法分析双通道的跨通道一致性自动化验证方法。

技术实现思路

1、针对现有技术中面向储能系统算法分析双通道的一致性验证存在输入构造难度大、结果提取维度复杂、比对策略不匹配以及差异归因困难的技术缺陷，本发明提出一种能够实现跨通道一致性验证的全流程自动化，显著提升储能系统算法分析功能的测试效率与缺陷检出能力的面向储能系统算法分析双通道的跨通道一致性自动化验证方法。

2、本发明所述的一种面向储能系统算法分析双通道的跨通道一致性自动化验证方法，包括以下步骤：

3、s1、储能设备树层级模型定义与分析参数自动组装：

4、基于储能系统的物理设备层级结构，定义多级设备树的参数模型、算法选择路径模型和时序参数标准化规则，将定义的三类参数自动组装为结构化分析请求对象；

5、s2、ui分析通道触发与多模态结果统一提取：

6、基于所述结构化分析请求对象，通过playwright浏览器自动化框架驱动数据分析面板自动触发分析，进行逐层选择设备树、算法分类树逐级定位与叶子节点选择、时间区间设置操作；分析触发后，从三类异构载体中分别提取多模态结果并组装为统一的ui通道结果快照；

7、s3、结构化参数到自然语言等价请求的自动映射：

8、基于所述结构化分析请求对象，通过预定义的映射模板规则自动生成语义等价的自然语言提问文本；

9、s4、ai问答通道触发与自适应结果接收：

10、导航至ai运维助手界面，发起新对话会话以确保无历史上下文干扰；将所述自然语言提问文本输入对话框并发送；采用自适应等待策略监测ai回复文本；

11、s5、ai回复非结构化结果的结构化解析：

12、对所述ai回复文本进行结构化解析，所述结构化解析包括时间范围解析、统计指标解析和结论解析；将提取结果组装为ai通道结果快照；所述ai通道结果快照的数据结构与所述ui通道结果快照的数据结构对齐，为后续跨通道比对提供结构匹配基础；

13、s6、时间范围跨通道比对：

14、将s1中设定的标准化时间区间与s5中从ai回复解析出的时间范围进行字符串匹配比对；

15、s7、统计指标容差比对：

16、将s2提取的ui通道七项统计指标与s5提取的ai通道对应指标逐一比对；七项指标逐一比对后生成统计指标一致性报告，记录每项的比对结果和差异类型。

17、s8、结论文本语义槽位比对：

18、针对双通道返回的分析结论文本，定义语义槽位模型为三元组结构；分别从ui通道的报告文本和ai通道的回复文本中，基于预定义的分析维度关键词定位对应的结论段落，并从中提取评价等级词和趋势方向词；对两通道提取的槽位三元组进行逐维度比对，当分析维度和评价等级均匹配时，判定当前结论一致；

19、s9、一致性综合裁决与差异分类：

20、汇总s6时间范围的比对结果、s7统计指标的比对结果、s8结论文本比对的全部结果，按照预设的裁决规则生成最终一致性判定。

21、进一步地：还包括：

22、s10、多算法批量验证与回归执行：

23、将s1至s9的跨通道一致性验证流程封装为能够复用的验证单元，以算法类型和时间区间为参数化输入；依次对不同算法类型执行完整的跨通道验证；对每种算法在不同时间窗口下回归执行，检测系统在不同数据量级下的一致性表现稳定性；汇总所有验证轮次的结果，生成全局跨通道一致性验证报告。

24、进一步地：在s1中，所述定义算法选择路径模型具体为：将算法按功能分类为树形结构并支持从分类节点到具体算法叶子节点的逐级定位；

25、所述定义时序参数标准化规则具体为：将用户输入的日期区间统一转化为系统要求的完整时间戳格式；

26、所述结构化分析请求对象包括场站标识、设备路径、算法类型和标准化时间区间四个字段，作为后续双通道验证的统一输入基准。

27、进一步地：在s2中，所述时间区间设置包括历史月份自动回退算法，根据目标日期与当前日期的月份差值自动计算并执行日历控件的回退点击次数；所述多模态结果包括：

28、从dom统计卡片节点中提取七项统计指标及其对应的波动系数，然后进行评价文本提取和图表捕获。

29、进一步地：在s3中，所述映射模板规则具体为：时间区间从标准时间戳格式转化为中文日期表述、设备路径从层级标识转化为带编号的设备名称拼接、算法类型标识转化为算法全称；同时处理语义等价变体，包括设备容量单位的规范写法映射和日期格式的多种表述兼容，确保生成的自然语言文本与结构化参数在语义上严格等价，避免因表述差异导致ai通道理解偏差。

30、进一步地：在s4中，所述自适应等待策略具体为：以固定间隔轮询回复内容区域，当连续多次轮询获取的文本内容长度和哈希值均不再变化时，判定ai回复已完成。

31、进一步地：在s5中，

32、所述时间范围解析是通过正则表达式匹配提取“起始时间”和“结束时间”字段值；

33、所述统计指标解析是从列表型dom结构中逐项提取七项统计指标值；

34、所述结论解析是从分析报告文本中按预设的语义槽位模式提取分析结论，所述分析结论包括一致性评价、时间序列趋势评价、数据波动评价和运行状态评价四类结论。

35、进一步地：在s6中，所述时间范围比对的具体过程包括：

36、若起止时间完全一致，则判定ai正确理解了分析请求的时间窗口，时间维度验证通过；若不一致，则标记为“通道理解偏差”类差异，记录偏差详情，并跳过后续指标和结论比对。

37、进一步地：在s7中，所述统计指标容差比对的具体过程包括：

38、每项指标的原始数据格式为“主值/波动系数”形式，首先分离主值和波动系数；若主值完全一致，则该项通过；若主值存在差异，则计算相对偏差率，当相对偏差率小于预设容差阈值时判定为“计算精度差异”，即表示允许接受，否则判定为“指标不一致”，即表示不允许接受；同时对比波动系数，若两通道对同一指标的波动系数评估存在数量级差异，则额外标记为“数据稳定性评估分歧”。

39、进一步地：在s9中，所述一致性判定的具体过程包括：

40、当时间范围一致且全部指标比对通过且全部结论槽位匹配时，裁决为“完全一致”；当时间范围一致但存在容差范围内的指标偏差或个别结论槽位不匹配时，裁决为“基本一致”并附差异明细；当时间范围不一致或存在超出容差的指标偏差或多条结论槽位不匹配时，裁决为“不一致”并输出差异分类报告。

41、本发明的有益效果是：

42、1、提出了一种面向储能系统“结构化分析面板与ai自然语言问答相结合”的双通道架构的跨通道一致性自动化验证方法，填补了现有测试方法无法覆盖双通道输出一致性验证的技术空白；

43、2、通过储能设备树层级参数模型和结构化参数到自然语言的等价映射规则，解决了双通道语义等价输入自动构造的技术难题，确保验证输入的可信性；

44、3、通过dom统计值提取、canvas二维图表捕获和报告文本解析的多模态统一提取方法，以及ai回复的结构化解析方法，解决了异构输出结果的对齐比对问题；

45、4、通过数值容差比对、语义槽位提取和多因素综合裁决策略，解决了多模态结果无法统一判定一致性的技术难题，能够区分可接受的计算精度差异与不可接受的系统缺陷；

46、5、通过参数化封装和批量回归执行机制，实现了多算法类型、多时间窗口的全覆盖一致性验证，具备良好的可扩展性和回归测试能力。