基于机器学习的绿色能源金融数据的采集评价方法及系统技术方案

本发明专利技术提供一种基于机器学习的绿色能源金融数据的采集评价方法及系统，包括：服务器获取待采集企业中的企业标签，生成多个维度的数据采集插件，将数据采集插件分别发送至相应维度的数据库；数据采集插件根据预设目标信息采集相应数据库内的评价子指标，基于集的评价子指标、企业标签进行哈希计算得到第一哈希值；数据库在判断数据采集插件完成评价子指标的加密后，服务器对数据采集插件解密后得到评价子指标，基于第一哈希值对数据采集插件所采集的所有评价子指标进行验证；将评价子指标分别输入至预先配置的绿色能源金融模型中进行评价计算，得到每个企业所对应的绿色能源金融评分；根据绿色能源金融评分确定相对应的金融政策和/或碳中和行为。政策和/或碳中和行为。政策和/或碳中和行为。

【技术实现步骤摘要】
基于机器学习的绿色能源金融数据的采集评价方法及系统


[0001]本专利技术涉及人工智能、数据处理
，尤其涉及一种基于机器学习的绿色能源金融数据的采集评价方法及系统。

技术介绍

[0002]绿色金融可以看作是企业在生产过程中的效益与消耗能耗、排污水平等指标之间的关系，通过以上的方式可以使多个企业根据效益和耗能之间的占比进行计算，确定出耗能低、排污少、效益相对更高的企业，进而进行重点的金融帮扶。由于以上指标的确认使得需要采集的信息具有多元化、大量化的特点，所以导致以上的信息、数据需要多个数据库内的数据进行支撑，现有技术中并无法针对以上数据进行有效的采集，也无法进行相应的计算得到每个企业关于绿色能源的金融评价。

技术实现思路

[0003]本专利技术实施例提供一种基于机器学习的绿色能源金融数据的采集评价方法及系统，既能够对数据库内的数据进行有效、安全的采集，又能够计算得到每个企业关于绿色能源的金融评价，并得到相对应的企业金融政策和/或碳中和行为，使得本专利技术能够根据不同的绿色能源行为对企业进行差异化的金融、碳中和处理。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器学习的绿色能源金融数据的采集评价方法，其特征在于，服务器分别与多个维度的数据库连接，通过以下步骤进行数据采集评价，包括：服务器获取待采集企业中的企业标签，基于所述企业标签生成多个维度的数据采集插件，在所述数据采集插件配置哈希加密逻辑后将所述数据采集插件分别发送至相应维度的数据库；数据采集插件根据预设目标信息采集相应数据库内的评价子指标，基于所采集的评价子指标、企业标签进行哈希计算得到第一哈希值，基于所述第一哈希值对评价子指标进行加密；数据库在判断数据采集插件完成评价子指标的加密后，将所述数据采集插件发送至服务器，服务器对所述数据采集插件解密后得到评价子指标，基于所述第一哈希值对数据采集插件所采集的所有评价子指标进行验证；若所有评价子指标的验证结果为正确，则将评价子指标分别输入至预先配置的绿色能源金融模型中进行评价计算，得到每个企业所对应的绿色能源金融评分；根据所述绿色能源金融评分确定相对应的金融政策和/或碳中和行为。2.根据权利要求1所述的基于机器学习的绿色能源金融数据的采集评价方法，其特征在于，所述服务器获取待采集企业中的企业标签，基于所述企业标签生成多个维度的数据采集插件，在所述数据采集插件配置哈希加密逻辑后将所述数据采集插件分别发送至相应维度的数据库，包括：根据所述企业标签确定相对应的第一数据采集模板，获取与所述第一数据采集模板相对应的所有第一子目标信息；根据第一子目标信息在所述第一数据采集模板中创建相对应的指标空位，在所述第一数据采集模板中创建相对应的标签空位得到第二数据采集模板，对所有的指标空位、标签空位添加排序标记，得到相对应的加密排序表；在数据采集插件中配置具有哈希加密逻辑的哈希加密单元，基于所述加密排序表对所述哈希加密逻辑进行更新，使得哈希加密逻辑基于加密排序表调取指标空位和/或标签空位内的信息和/或标签；将具有哈希加密单元和第二数据采集模板的数据采集插件发送至相应维度的数据库。3.根据权利要求2所述的基于机器学习的绿色能源金融数据的采集评价方法，其特征在于，所述将具有哈希加密单元和第二数据采集模板的数据采集插件发送至相应维度的数据库，包括：在数据采集插件中创建加密信息存储单元，根据所述加密排序表在所述加密信息存储单元中划分多个子存储单元，每个子存储单元用于存储一个评价子指标；根据所述加密排序表生成加密信息对应表，所述加密信息对应表中具有每个指标空位与子存储单元的对应关系；将具有哈希加密单元、第二数据采集模板以及加密信息存储单元的数据采集插件发送至相应维度的数据库。4.根据权利要求3所述的基于机器学习的绿色能源金融数据的采集评价方法，其特征
在于，所述数据采集插件根据预设目标信息采集相应数据库内的评价子指标，基于所采集的评价子指标、企业标签进行哈希计算得到第一哈希值，基于所述第一哈希值对评价子指标进行加密，包括：所述预设目标信息包括多个第一子目标信息，基于所述第一子目标信息采集相应数据库内的多个评价子指标；根据所述第一子目标信息与指标空位的对应关系，将多个评价子指标分别填充至第二数据采集模板的指标空位处；基于所述加密排序表依次调取相应指标空位和标签空位内的评价子指标和企业标签，基于哈希加密逻辑对评价子指标和企业标签进行哈希计算得到第一哈希值；在得到第一哈希值后，根据加密信息对应表将指标空位内的评价子指标存储至与加密信息存储单元相应的子存储单元内，基于第一哈希值对加密信息存储单元加密；将所述第二数据采集模板的指标空位内的评价子指标删除，以使所述数据采集插件在传输过程中的指标空位为空。5.根据权利要求4所述的基于机器学习的绿色能源金融数据的采集评价方法，其特征在于，所述根据所述第一子目标信息与指标空位的对应关系，将多个评价子指标分别填充至第二数据采集模板的指标空位处，包括：若判断任意一个指标空位处没有填充相应的评价子指标，则将相应的指标空位作为人工填充空位进行人工填充标记；将所述人工填充空位发送至数据库的显示端处，若数据库的输入端输入与人工填充空位相对应的评价子指标，则将所述评价子指标填充至人工填充空位内。6.根据权利要求5所述的基于机器学习的绿色能源金融数据的采集评价方法，其特征在于，还包括：若在第一时间段内数据库的输入端未输入与人工填充空位相对应的评价子指标，则将所述人工填充空位修改为历史填充空位，并对所述历史填充空位进行历史填充标记；获取与所述历史填充空位相对应上一个时刻的评价子指标，将上一个时刻的评价子指标填充至历史填充空位内。7.根据权利要求6所述的基于机器学习的绿色能源金融数据的采集评价方法，其特征在于，还包括：统计每一个数据采集插件的第二数据采集模板中所对应的人工填充标记和/或历史填充标记的数量；若判断所述人工填充标记大于第一预设数量或历史填充标记的数量大于第二预设数量，则将所述数据采集插件所对应的数据库进行显示，以使相应数据库的工作人员对相应的评价子指标进行更新、规范存储。8.根据权利要求4所述的基于机器学习的绿色能源金融数据的采集评价方法，其特征在于，所述基于所述加密排序表依次调取相应指标空位和标签空位内的评价子指标和企业标签，基于哈希加密逻辑对评价子指标和企业标签进行哈希计算得到第一哈希值，包括：
哈希加密逻辑根据加密排序表对所有的评价子指标和企业标签进行排...

【专利技术属性】
技术研发人员：沈华强，蒋雪萍，张德奇，杨玲，朱金尧，徐瑜琼，赵学海，王勤，谢颖，张永建，沈志宏，徐亦晨，
申请(专利权)人：国网浙江省电力有限公司绍兴供电公司，
类型：发明
国别省市：