电力设备质量检测方法、装置、计算机设备及存储介质与流程

1.本技术涉及质量检测技术领域，尤其涉及一种电力设备质量检测方法、装置、计算机设备及存储介质。


背景技术：

2.电力设备的生产数据指标随着技术要求不断发生改变，在生产电力设备之后需要对电力设备成品的数据进行检测，结合每一道生产工序的生产数据进行追溯，得出电力设备的质量检测结果。
3.由于电力设备的整个工序组成和关键零件的属性数据是生产机密，在质量检测阶段，公开电力设备的属性数据可能会造成数据泄露的风险，造成经济损失。


技术实现要素：

4.本技术提供一种电力设备质量检测方法、装置、计算机设备及存储介质，以提高电力设备在质量检测阶段的生产数据安全性。
5.一种电力设备质量检测方法，包括：
6.获取电力设备在生产过程中零件的零件工序数据；
7.针对每个所述零件，从预设数据库获取所述零件的标准生产数据，根据所述标准生产数据与所述零件工序数据的差值，得到所述零件的零件生产信息；
8.基于预设的车间生产树形结构，构建预设的联邦学习模型；
9.将所述零件生产信息输入至所述预设的联邦学习模型，得到质量检测结果。
10.一种电力设备质量检测装置，包括：
11.工序数据记录模块，用于获取电力设备在生产过程中零件的零件工序数据；
12.零件生产信息生成模块，用于针对每个所述零件，从预设数据库获取所述零件的标准生产数据，根据所述标准生产数据与所述零件工序数据的差值，得到所述零件的零件生产信息；
13.工序结构生成模块，用于基于预设的车间生产树形结构，构建预设的联邦学习模型；
14.质量检测模块，用于将所述零件生产信息输入至所述预设的联邦学习模型，得到质量检测结果。
15.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述电力设备质量检测方法的步骤。
16.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述电力设备质量检测方法的步骤。
17.本技术提供的电力设备质量检测方法、装置、计算机设备及存储介质，通过获取电力设备在生产过程中每个零件的零件工序数据，基于零件的标准生产数据，计算得到各个
零件的零件生产信息，并基于工序环节信息与车间信息，构建车间生产树形结构，基于车间生产树形结构构建联邦学习模型，将车间所生产的零件生产信息作为联邦学习模型的输入，在此过程中，通过车间上传零件生产信息，通过联邦学习，无需公开各个工序环节的生产数据，最终得到电力设备的质量检测结果，保证生产数据不被公开，提高了电力设备的生产数据的安全性。
附图说明
18.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例的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本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
19.图1是本技术一实施例中电力设备质量检测方法的一应用环境示意图；
20.图2是本技术一实施例中电力设备质量检测方法的一流程图；
21.图3是本技术一实施例中电力设备质量检测方法的示意图；
22.图4是本技术一实施例中电力设备质量检测装置的结构示意图；
23.图5是本技术一实施例中计算机设备的一示意图。
具体实施方式
24.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作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。
25.本技术实施例提供的电力设备质量检测方法，可应用在如图1的应用环境中，其中，终端设备通过网络与服务器进行通信。其中，终端设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
26.系统框架100可以包括终端设备101、102、103、网络104和服务器105。网络用以在终端设备和服务器之间提供通信链路的介质。网络可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
27.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或者发送消息等。
28.终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、mp3播放器(moving picture eperts group audio layer iii，动态影像专家压缩标准音频层面3)、mp4(moving picture eperts group audio layer iv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
29.服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
30.需要说明的是，本技术实施例所提供的电力设备质量检测方法由服务器执行，相
应地，电力设备质量检测装置设置于服务器中。
31.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的，根据实现需要，可以具有任意数目的终端设备、网络和服务器，本技术实施例中的终端设备具体可以对应的是实际生产中的应用系统。
32.在一实施例中，如图2所示，提供一种电力设备质量检测方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：
33.s10，获取电力设备在生产过程中零件的零件工序数据。
34.具体的，电力设备是指在电力系统中，进行电能生产和变换、电路通断开关、导体等设备。
35.在电力设备的生产过程中，通过终端设备获取电力设备各个零件的零件工序数据。
36.零件工序数据a＝{a1,a2,
···
,an}由多个零件的工序数据组成，a1表示零件1的工序数据，n表示零件或者工序的数量。其中，零件的工序数据表示该零件在当前工序的属性数据，例如，某一零件的直径、长度以及电流、电压等。
37.终端设备可以是传感器等，通过传感器记录电力设备在生产过程中各个零件的工序数据。
38.s20，针对每个零件，从预设数据库获取零件的标准生产数据，根据标准生产数据与零件工序数据的差值，得到零件的零件生产信息。
39.具体的，针对每个零件，从预设数据库获取该零件的标准生产数据，需要说明的是，需要获取标准生产数据的零件种类与s10的零件种类相对应。
40.标准生产数据表示为b＝{b1，b2，
…
，bn}。b1表示零件1的标准生产数据。
41.标准生产数据是指该零件的标准生产值。其中，b1与a1对应，b2与a2对应，各个元素的对应关系相同，在此不再赘述。
42.针对每个零件，根据标准生产数据与零件工序数据，计算出差值。
43.所有零件的差值表示为差值序列c＝{c
a1-b1
，c
a2-b2
，
…
，c
an-bn
}。以c
a1-b1
为例，若零件工序数据小于标准生产数据，则c
a1-b1
表示为-1，代表生产的零件的实际尺寸过小。若零件工序数据大于标准生产数据，则c
a1-b1
表示为1，代表生产的零件的实际尺寸过大。若零件工序数据等于标准生产数据，则c
a1-b1
表示为0，代表生产的零件的实际尺寸适中。
44.作为一种可选的实施方式，差值序列表示为c＝{-1，0，1}，其中，-1表示零件工序数据过小，0表示零件工序数据适中，1表示零件工序数据过大。上述计算应包含数据偏差值，例如，若零件的尺寸为5mm
±
0.2，若零件工序数据为4.5mm，则代表零件工序数据过小。
45.通过{-1，0，1}代表差值序列，用于标识零件的生产状态，作为零件生产信息。
46.需要说明的是，零件工序数据除了代指零件的尺寸之外，也包括某个零件工序的属性数据，例如，某个零件的电流值或者绝缘值等。
47.例如，电力设备为分接开关，分接开关某个零件的尺寸为零件工序数据，分接开关的主绝缘的电流值数据也作为零件工序数据。
48.s30，基于预设的车间生产树形结构，构建预设的联邦学习模型。
49.获取工序环节信息与车间信息，并基于工序环节信息与车间信息构建预设的车间生产树形结构，其中，车间与工序环节之间具有对应关系，工序环节与零件之间具有对应关
系。
50.针对固定的车间信息和工序环节，则直接调用对应的车间生产树形结构。
51.具体的，获取电力设备生产过程的工序环节组成，包括电力设备的组装工序的道数、工序环节名称等作为工序环节信息，车间信息表示参与电力设备制造的车间信息或者执行工序环节的车间信息。
52.车间与工序环节之间具有对应关系，各个工序环节与零件之间具有对应关系，零件包括零件尺寸或者零件属性值。
53.由于各个工序环节之间的先后关系，整个工序的工序环节构成树形结构，由于工序环节与车间对应，基于树形结构构建出车间生产树形结构。
54.车间生产树形结构用于表示工序环节的先后关系与逻辑关系。
55.例如，工序环节1与工序环节2的共同结果用在工序环节3上，表示先执行工序环节1和工序环节2，再执行工序环节3。对应的，各个工序环节的零件工序数据由对应的车间持有。
56.在一实施例中，图3为车间生产树形结构的示意图，如图所示，车间生产树形结构的最底层表示车间序号，例如，车间f1和车间g2之间进行联邦学习，得到学习结果fg
12
；车间b1、车间b2和车间b3之间进行联邦学习，得到学习结果ehs
123
；车间y1和车间y2之间进行联邦学习，得到学习结果y
12
；车间n1和车间n2之间进行联邦学习，得到学习结果n
12
。联邦学习结果fg
12
与ehs
123
之间再进行联邦学习，得到下一层的学习结果fgehs。
57.以此类推，以最底层为下一层，上一层表示的是上一层进行联邦学习之后得到的学习结果，其中，每个车间序号代表一道工序环节，每个车间按照工序环节的顺序进行联邦学习，循环迭代直到所有工序环节结束，得到最终的结果z
1,2,，，x
，并且，最终的结果作为质量检测结果。
58.s40,将零件生产信息输入至预设的联邦学习模型，得到质量检测结果。
59.具体的，根据车间生产树形结构，构建预设的联邦学习模型，车间作为本地参与方，向联邦学习模型输入零件生产信息，通过预设的联邦学习模型进行循环学习，最终得到质量检测结果。
60.具体实施方式为：
61.a.在各个车间配置边缘联邦盒子，其中，边缘联邦盒子是指包括联邦学习算的边缘服务器。
62.b.将各个车间对应的零件生产信息输入到边缘盒子，作为联邦学习模型的输入；
63.c.联邦学习模型对零件生产信息进行联邦学习，得出联邦学习结果；
64.d.循环执行步骤b至步骤c，最终得到质量检测结果。
65.其中，循环执行步骤b至步骤c的循环次数由生产电力设备的工序环节的数量决定。
66.例如，如图3所示，车间f1、车间g2、车间y1、车间y2为相同优先级的工序环节对应的车间，车间f1与车间g2进行联邦学习之后得到的联邦学习结果为fg，车间y1与车间y2进行联邦学习之后得到的联邦学习结果为y
12
。再根据下一优先级的工序环节，基于上一优先级的联邦学习结果，循环进行联邦学习，直到对所有的工序环节结束，得到最终的质量检测结果。
67.其中，质量检测结果表示电力设备是否满足生产要求，具体为合格、不合格以及可能合格。合格表示该电力设备满足生成要求，不合格表示该电力设备不满足生产要求，可能合格表示该电力设备可能满足生产要求。
68.质量检测结果与生产要求的关系可根据下表表示：
69.表1质量检测结果与生产要求对应表
70.质量检测结果生产要求质量检测结果生产要求-1不合格0合格-1/0可能合格0/1可能合格-1/1不合格1/-1不合格0/-1可能合格1/0可能合格1不合格
ꢀꢀ
71.根据表1可知，“可能合格”对应的情况表示电力设备的整体是合格的，但是其中的零件存在瑕疵。
72.本技术实施例提供的电力设备检测方法，通过获取电力设备在生产过程中零件的零件工序数据，基于零件的标准生产数据，计算得到各个零件的零件生产信息，并基于工序环节信息与车间信息，构建车间生产树形结构，基于车间生产树形结构构建联邦学习模型，将车间所生产的零件生产信息作为联邦学习模型的输入，在此过程中，通过车间上传零件生产信息，通过联邦学习，无需公开各个工序环节的生产数据，最终得到电力设备的质量检测结果，保证生产数据不被公开，提高了电力设备的生产数据的安全性。
73.作为一种可选的实施方式，在s10，获取电力设备在生产过程中零件的零件工序数据包括：
74.s101,获取电力设备每个零件的属性数据。
75.s102,基于每个零件的属性数据构成工序集合，作为电力设备的零件工序数据。
76.具体的，在s101中，通过终端设备获取电力设备每个零件的属性数据，属性数据包括零件的尺寸值、功能数值。
77.在s102中，将所有零件的属性数据构成工序集合，作为电力设备的零件工序数据。
78.其中，电力设备各个零件对应零件工序数据，零件工序数据表示零件的生产状态。
79.在本实施例中，获取电力设备在生产过程中每个零件的零件工序数据，能让各个工序环节的参与方共同参与质量检测，并且，根据零件工序数据能够掌握各个零件的生产状态，在得出质量检测结果之后，针对不合格的电力设备，能够定位到具体的工序环节。
80.作为一种可选的实施方式，在s20，针对每个零件，从预设数据库获取零件的标准生产数据，根据标准生产数据与零件工序数据的差值，得到零件的零件生产信息包括：
81.s201,在预设数据库中获取电力设备零件的标准生产数据。
82.s202,根据同一零件的标准生产数据与零件工序数据的差值，计算得到零件的零件生产信息。
83.具体的，预设数据库中存储了电力设备的生产数据，从预设数据库中获取电力设备各个零件的标准生产数据。
84.针对同一零件，基于标准生产数据与零件工序数据之间的差值，计算出同一零件的零件生产信息。零件生产信息用于表示该零件是否符合生产要求。
85.零件工序数据表示零件的尺寸属性或者功能属性。当表示尺寸属性是，某一零件的差值表示为-1，另一零件的差值表示为1，经过装配之后有可能只存在单体瑕疵，整体合格。为了避免这种情况，通过标准生产数据与零件工序数据
86.在本实施例中，通过获取标准生产数据，并基于标准生产数据与临建工序数据，计算出其中的差值。通过差值表示零件的生产状态，在后续进行质量检测时，能够根据差值进行联邦学习，得到质量检测结果。
87.作为一种可选的实施方式，在s30，基于预设的车间生产树形结构，构建预设的联邦学习之前，模型包括：
88.s301,基于工序环节信息确定电力设备的所有工序环节。
89.s302,基于工序环节之间的相互关系，制定工序环节结构。
90.s303,根据工序环节与车间之间的对应关系，基于工序环节结构，构建车间生产树形结构。
91.具体的，获取工序环节信息，根据工序环节信息得到电力设备的所有工序环节，根据工序环节之间的相互关系以及前后关系，指定工序环节结构。
92.根据工序环节与车间之间的对应关系，在工序环节结构的基础上，根据车间构建车间生产树形结构。
93.在本实施例中，通过工序环节信息与车间信息构建出车间生产树形结构，能够针对联邦学习算法，建立工序环节之间的优先级关系，便于根据工序环节的前后关系，模拟电力设备的生产过程，最终得出更准确的质量检测结果。
94.作为一种可选的实施方式，在s40，将零件生产信息输入至预设的联邦学习模型，得到质量检测结果包括：
95.s401,基于车间生产树形结构，确定各个车间之间的相互关系。
96.s402,基于相互关系，根据纵向联邦学习算法，构建以各个车间作为本地参与方的联邦学习模型。
97.s403,将各个车间的零件生产信息输入到联邦学习模型，通过多轮学习，得到质量检测结果。
98.具体的，根据车间生产树形结构，确定各个车间之间的相互关系，确定各个车间作为联邦学习模型的本地参与方，参与联邦学习的流程。
99.根据纵向联邦学习算法，构建联邦学习模型，各个车间作为本地参与方，将对应的零件工序数据输入到联邦学习模型。
100.在电力设备的生产过程中，需要涉及到各个车间不同零件的零件工序数据,采用纵向联邦学习算法，融合不同车间之间的零件工序数据，得到联邦学习结果，以体现出电力设备的质量。
101.基于车间生产树形结构表示的车间之间的相互关系，按照纵向联邦学习流程，循环执行输入零件工序数据、特征融合最终得到质量检测结果。
102.在本实施例中，通过联邦学习模型，根据各个车间的零件工序数据，学习得到电力设备的质量检测结果，在此过程中，各个车间能够单独持有各自零件的零件工序数据，保证各个零件的生产数据的隐私性，提高生产数据的安全性，并且，采用纵向联邦学习算法更适用于各个车间零件工序数据不同的应用场景。
103.作为一种可选的实施方式，在s40之后，还包括：
104.s50,基于孪生镜像技术构建数字映射模型。s51,将质量检测结果输入数字映射模型，得到电力设备的生产要求模拟结果。
105.具体的，孪生镜像技术又称数字孪生技术，是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程的技术。
106.根据表1，针对质量检测结果为“可能合格”的情况，将对应的质量检测结果作为孪生镜像模型的输入，构建数字映射模型。
107.基于数字映射模型，得到生产要求模拟结果。生产要求模拟结果为0，表示电力设备符合生产要求，不存在质量问题；生产要求模拟结果为-1或者1，表示电力设备不符合生产要求，存在质量问题。
108.在本实施例中，通过数字孪生技术，对存在疑问的质量检测结果进行评估，提高了对电力设备进行质量检测的准确性，保证了电力设备的生产质量。
109.孪生镜像技术根据终端设备采集电力设备的零件工序数据，对生产过程进行追溯，根据终端设备的环境数据以及设备数据与零件数据的对应关系，推断出导致生产误差的具体工序环节。
110.作为一种可选的实施方式，在s51之后，还包括：
111.s511，若生产要求模拟结果为不符合生产要求，则获取电力设备的产品原型指标。
112.s512，根据生产要求模拟结果定位目标工序环节，并基于产品原型指标生成目标工序环节的调整策略。
113.具体的，若生产要求模拟结果为-1或者1，表示电力设备不符合生产要求，存在质量问题。
114.产品原型指标指的是电力设备在产品设计阶段时，产品蓝图规定的标准数据，具体有大小、形态、允许误差等。
115.在孪生镜像技术中，通过3d建模生成可视化界面，在可视化界面展示电力设备的各个产品指标，在产品原型指标的基础上，对产品指标作出对应情况的调整，即若生产要求模拟结果为-1时，应抑制原型指标；生产要求模拟结果为1时，应当增益原型指标。
116.在本实施例中，通过孪生镜像技术，对生产环节进行追溯，并定位出生产环节中出现异常的环节，并对出现异常的产品指标进行调整，有利于电力设备的生产质量。
117.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
118.在一实施例中，提供一种电力设备质量检测装置，该电力设备质量检测装置与上述实施例中电力设备质量检测方法一一对应。如图4所示，该电力设备质量检测装置包括工序数据记录模块31、零件生产信息生成模块32、工序结构生成模块33、质量检测模块34。各功能模块详细说明如下：
119.工序数据记录模块31，用于获取电力设备在生产过程中零件的零件工序数据。
120.零件生产信息生成模块32，用于针对每个零件，从预设数据库获取零件的标准生产数据，根据标准生产数据与零件工序数据的差值，得到零件的零件生产信息。
121.工序结构生成模块33，用于基于预设的车间生产树形结构，构建预设的联邦学习模型。
122.质量检测模块34，用于将所述零件生产信息输入至所述预设的联邦学习模型，得到质量检测结果。
123.作为一种可选的实施方式，工序数据记录模块31包括：
124.属性数据获取单元，用于获取电力设备每个零件的属性数据。
125.工序数据获取单元，用于基于每个零件的属性数据构成工序集合，作为电力设备的零件工序数据。
126.作为一种可选的实施方式，零件生产信息生成模块32包括：
127.标准数据获取单元，用于在预设数据库中获取电力设备零件的标准生产数据。
128.生产信息获取单元，用于根据同一零件的标准生产数据与零件工序数据的差值，计算得到零件的零件生产信息。
129.作为一种可选的实施方式，工序结构生成模块33包括：
130.工序环节确定单元，用于基于工序环节信息确定电力设备的所有工序环节。
131.结构制定单元，用于基于工序环节之间的相互关系，制定工序环节结构。
132.树形结构构建单元，用于根据工序环节与车间之间的对应关系，基于工序环节结构，构建车间生产树形结构。
133.作为一种可选的实施方式，质量检测模块34包括：
134.相互关系确定单元，用于基于车间生产树形结构，确定各个车间之间的相互关系。
135.联邦模型构建单元，用于基于相互关系，根据纵向联邦学习算法，构建以各个车间作为本地参与方的联邦学习模型。
136.质量检测单元，用于将各个车间的零件生产信息输入到联邦学习模型，通过多轮学习，得到质量检测结果。
137.作为一种可选的实施方式，电力设备质量检测装置还包括：
138.孪生镜像模块，用于基于孪生镜像技术构建数字映射模型。
139.模拟结果生成模块，用于将质量检测结果输入数字映射模型，得到电力设备的生产要求模拟结果。
140.作为一种可选的实施方式，电力设备质量检测装置还包括：
141.原型指标获取模块，用于若生产要求模拟结果为不符合生产要求，则获取电力设备的产品原型指标。
142.调整策略生成模块，用于根据生产要求模拟结果定位目标工序环节，并基于产品原型指标生成目标工序环节的调整策略。
143.其中上述模块/单元中的“第一”和“第二”的意义仅在于将不同的模块/单元加以区分，并不用于限定哪个模块/单元的优先级更高或者其它的限定意义。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，本技术中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式。
144.关于电力设备质量检测装置的具体限定可以参见上文中对于电力设备质量检测
方法的限定，在此不再赘述。上述电力设备质量检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
145.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储电力设备质量检测方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电力设备质量检测方法。
146.在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中电力设备质量检测方法的步骤，例如图2所示的步骤s10至步骤s40及该方法的其它扩展和相关步骤的延伸。或者，处理器执行计算机程序时实现上述实施例中电力设备质量检测装置的各模块/单元的功能，例如图4所示模块31至模块34的功能。为避免重复，这里不再赘述。
147.处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
148.存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、视频数据等)等。
149.存储器可以集成在处理器中，也可以与处理器分开设置。
150.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中电力设备质量检测方法的步骤，例如图2所示的步骤s10至步骤s40及该方法的其它扩展和相关步骤的延伸。或者，计算机程序被处理器执行时实现上述实施例中电力设备质量检测装置的各模块/单元的功能，例如图4所示模块31至模块34的功能。为避免重复，这里不再赘述。
151.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非
易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
152.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
153.以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。