基于AI技术的营配调数据分析方法、系统及电子设备技术方案

本发明专利技术提供一种基于AI技术的营配调数据分析方法、系统，通过获取原始数据集并进行数据预处理，得到异常数据和正常数据；将异常数据输入关键变量提取模型生成多个关键变量后输入至缺失点预测模型中，生成缺失点补充数据后对异常数据进行修正；将修正后的数据与正常数据进行组合得到营配调数据；对营配调数据进行预处理得标准化数据后收集至有效数据集；构建指标分析模型后通过有效数据集计算电力业务数据，对电力业务需求进行抽象化表达；构建若干个监控模型并提取至少一个指标分析模型进行监控分析。通过基于AI技术的数据分析方法实现对营配调数据的实时分析，实现了对营配调输出的呈指数级增长规模的数据进行及时的处理分析。理分析。理分析。

【技术实现步骤摘要】
基于AI技术的营配调数据分析方法、系统及电子设备


[0001]本专利技术涉及营配调
，尤其涉及基于AI技术的营配调数据分析方法、系统及电子设备。

技术介绍

[0002]营配调业务涵盖电网建设、调控运行、设备运检、营销服务等多业务环节，涉及ERP、生产管理、营销系统、配电自动化等多套信息系统，业务和数据流转关系复杂。而随着智慧电网的不断建设，数据的规模呈指数级的增长，因此如何实现对输出的数据进行及时的处理分析，成为了现有技术亟待解决的技术问题，目前现有技术做不到对输出的营配调数据的及时处理。

技术实现思路

[0003]为解决上述问题，本专利技术提供一种基于AI技术的营配调数据分析方法、系统，以对营配调输出的数据进行及时的处理分析。
[0004]为达到上述目的，本专利技术采取的技术方案如下：
[0005]一种基于AI技术的营配调数据分析方法，包括:
[0006]获取营配调数据平台输出的原始数据集，将原始数据集采用信息熵算法进行数据预处理，得到异常数据和正常数据；将异常数据输入至预置的关键变量提取模型中，生成多个关键变量；将多个关键变量输入至预置的缺失点预测模型中，生成缺失点补充数据；根据缺失点补充数据对异常数据进行修正，得到修正后的数据；将修正后的数据与正常数据进行组合，得到修正后的营配调数据；
[0007]对所述营配调数据进行预处理，生成标准化数据，将预处理后的所有标准化数据收集至有效数据集；
[0008]构建分析与监控模型：基于营配调数据平台的业务内容、业务规则和数据需求，构建若干个指标分析模型，所述指标分析模型通过有效数据集计算电力业务数据，对电力业务需求进行抽象化表达；基于指标分析模型构建若干个监控模型，所述监控模型提取至少一个指标分析模型进行监控，设定监控阈值对所述指标分析模型得出的电力业务数据进行监控；
[0009]通过图像处理技术，对所述指标分析模型和监控模型进行可视化展示。
[0010]进一步的，所述将原始数据集采用信息熵算法进行数据预处理，得到异常数据和正常数据，具体步骤包括：
[0011]计算原始数据集中各个数据列与参考数据列之间的范围熵；
[0012]判断范围熵是否大于预置的阈值，若是，则将该范围熵对应的数据列作为异常数据；若否，则将该范围熵对应的数据列作为正常数据。
[0013]进一步的，所述将异常数据输入至预置的关键变量提取模型中，生成多个关键变量，具体步骤包括：
[0014]将异常数据采用预置的关键变量提取模型中的PCA算法进行降维处理，得到降维的异常数据；
[0015]根据降维的异常数据中的各个变量的特征值计算各个变量的累计贡献率；
[0016]根据各个变量的累计贡献率对多个变量进行筛选，得到多个关键变量。
[0017]进一步的，对所述营配调数据进行预处理，生成标准化数据，具体步骤包括：
[0018]数据融合，遍历所有营配调数据，融合表达不一致但实质相同的数据；
[0019]数据清洗，对进行数据融合后的营配调数据进行数据清洗，清洗无效数据；
[0020]脱敏处理，制定数据安全规则，根据该数据安全规则对进行数据清洗后的营配调数据进行数据脱敏；
[0021]数据加密，对进行脱敏处理后的营配调数据进行数据加密处理，形成所述标准化数据。
[0022]进一步的，所述指标分析模型通过神经网络模型搭建，具体步骤包括：
[0023]搭建神经网络模型，建立电力业务数据的抽象化表达模型；
[0024]以有效数据集作为训练集输入至所述电力业务数据的抽象化表达模型进行计算，获取计算结果；
[0025]对所述计算结果添加评价标签，以输入的有效数据和输出的评价标签作为一组数据对所述抽象化表达模型进行迭代训练；
[0026]调整神经网络模型的参数，当抽象化表达模型输出的计算结果的精度达到阈值时，结束训练，得到对应的指标分析模型。
[0027]一种基于AI技术的营配调数据分析系统，包括：
[0028]营配调数据获取模块，其用于获取营配调数据平台输出的原始数据集，将原始数据集采用信息熵算法进行数据预处理，得到异常数据和正常数据；将异常数据输入至预置的关键变量提取模型中，生成多个关键变量；将多个关键变量输入至预置的缺失点预测模型中，生成缺失点补充数据；根据缺失点补充数据对异常数据进行修正，得到修正后的数据；将修正后的数据与正常数据进行组合，得到修正后的营配调数据；
[0029]营配调数据预处理模块，其用于对所述营配调数据进行预处理，生成标准化数据，将预处理后的所有标准化数据收集至有效数据集；
[0030]分析模块，其用于构建分析与监控模型：基于营配调数据平台的业务内容、业务规则和数据需求，构建若干个指标分析模型，所述指标分析模型通过有效数据集计算电力业务数据，对电力业务需求进行抽象化表达；基于指标分析模型构建若干个监控模型，所述监控模型提取至少一个指标分析模型进行监控，设定监控阈值对所述指标分析模型得出的电力业务数据进行监控；
[0031]可视化模块，其用于通过图像处理技术，对所述指标分析模型和监控模型进行可视化展示。
[0032]进一步的，所述营配调数据获取模块中包括：
[0033]一计算单元，其用于计算原始数据集中各个数据列与参考数据列之间的范围熵；
[0034]一判断单元，其用于判断范围熵是否大于预置的阈值，若是，则将该范围熵对应的数据列作为异常数据；若否，则将该范围熵对应的数据列作为正常数据；
[0035]一处理单元，其用于将异常数据采用预置的关键变量提取模型中的PCA算法进行
降维处理，得到降维的异常数据；
[0036]一贡献率单元，其用于根据降维的异常数据中的各个变量的特征值计算各个变量的累计贡献率；
[0037]一筛选单元，其用于根据各个变量的累计贡献率对多个变量进行筛选，得到多个关键变量。
[0038]进一步的，所述营配调数据预处理模块包括：
[0039]一融合单元，其用于数据融合，遍历所有营配调数据，融合表达不一致但实质相同的数据；
[0040]一清洗单元，其用于数据清洗，对进行数据融合后的营配调数据进行数据清洗，清洗无效数据；
[0041]一脱敏单元，其用于脱敏处理，制定数据安全规则，根据该数据安全规则对进行数据清洗后的营配调数据进行数据脱敏；
[0042]一加密单元，其用于数据加密，对进行脱敏处理后的营配调数据进行数据加密处理，形成所述标准化数据。
[0043]进一步的，所述分析模块包括：
[0044]一搭建单元，其用于搭建神经网络模型，建立电力业务数据的抽象化表达模型；
[0045]一输入单元，其用于以有效数据集作为训练集输入至所述电力业务数据的抽象化表达模型进行计算，获取计算结果；
[0046]一训练单元，其用于对所述计算结果添加评价标签，以输入的有效数据和输出的评价标签作为一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI技术的营配调数据分析方法，其特征在于，包括:获取营配调数据平台输出的原始数据集，将原始数据集采用信息熵算法进行数据预处理，得到异常数据和正常数据；将异常数据输入至预置的关键变量提取模型中，生成多个关键变量；将多个关键变量输入至预置的缺失点预测模型中，生成缺失点补充数据；根据缺失点补充数据对异常数据进行修正，得到修正后的数据；将修正后的数据与正常数据进行组合，得到修正后的营配调数据；对所述营配调数据进行预处理，生成标准化数据，将预处理后的所有标准化数据收集至有效数据集；构建分析与监控模型，基于营配调数据平台的业务内容、业务规则和数据需求，构建若干个指标分析模型，所述指标分析模型通过有效数据集计算电力业务数据，对电力业务需求进行抽象化表达；基于指标分析模型构建若干个监控模型，所述监控模型提取至少一个指标分析模型进行监控，设定监控阈值对所述指标分析模型得出的电力业务数据进行监控；通过图像处理技术，对所述指标分析模型和监控模型进行可视化展示。2.根据权利要求1所述的营配调数据分析方法，其特征在于，所述将原始数据集采用信息熵算法进行数据预处理，得到异常数据和正常数据，具体步骤包括：计算原始数据集中各个数据列与参考数据列之间的范围熵；判断范围熵是否大于预置的阈值，若是，则将该范围熵对应的数据列作为异常数据；若否，则将该范围熵对应的数据列作为正常数据。3.根据权利要求1所述的营配调数据分析方法，其特征在于，所述将异常数据输入至预置的关键变量提取模型中，生成多个关键变量，具体步骤包括：将异常数据采用预置的关键变量提取模型中的PCA算法进行降维处理，得到降维的异常数据；根据降维的异常数据中的各个变量的特征值计算各个变量的累计贡献率；根据各个变量的累计贡献率对多个变量进行筛选，得到多个关键变量。4.根据权利要求1所述的营配调数据分析方法，其特征在于，对所述营配调数据进行预处理，生成标准化数据，具体步骤包括：数据融合，遍历所有营配调数据，融合表达不一致但实质相同的数据；数据清洗，对进行数据融合后的营配调数据进行数据清洗，清洗无效数据；脱敏处理，制定数据安全规则，根据该数据安全规则对进行数据清洗后的营配调数据进行数据脱敏；数据加密，对进行脱敏处理后的营配调数据进行数据加密处理，形成所述标准化数据。5.根据权利要求1所述的营配调数据分析方法，其特征在于，所述指标分析模型通过神经网络模型搭建，具体步骤包括：搭建神经网络模型，建立电力业务数据的抽象化表达模型；以有效数据集作为训练集输入至所述电力业务数据的抽象化表达模型进行计算，获取计算结果；对所述计算结果添加评价标签，以输入的有效数据和输出的评价标签作为一组数据对所述抽象化表达模型进行迭代训练；
调整神经网络模型的参数，当抽象化表达模型输出的计算结果的精度达到阈值时，结束训练，得到对应的指标分析模型。6.一种基于AI技术的营配调数据分析系统，其特征在于，包括：营配调数据获取模块，其用于获取营配调数据平台输出的原始数据集，将...

【专利技术属性】
技术研发人员：肖飞，陈世景，张竞芬，李民强，陈哲，黄启哲，罗大丰，袁幸，黄海宁，黄家宝，周愈鹏，
申请(专利权)人：广西电网有限责任公司河池供电局，
类型：发明
国别省市：