【技术实现步骤摘要】
本专利技术涉及电力运维，具体是海量电力运维数据智能处理方法。
技术介绍
1、电力运维数据趋向多样化、多维化、复杂化发展，对海量的运维数据处理的传统方式已经不能满足目前电力系统的需求和发展要求，本文研究了一种基于模糊关联的海量电力运维数据智能处理系统，结合数据标签体系在数据中心的应用，通过对数据特征值分析，实现不同系统间的数据实现互通互联。
2、电力运维数据的形式，数据体量随电网规模的扩大而不断变化，海量电力运维数据的处理方式是电力系统运行与维护工作中重要的一环。随着站内设备的增多，电力运维数据量变得庞大复杂，现有的数据处理方式的承载量有限，渐渐超出数据处理系统的能力上限，影响处理速度。
3、因此结合数据标签化体系，研究了一套基于模糊关联处理的海量运维数据智能处理系统，可对实时和非实时数据进行分类处理，可实现不同标准下的运维数据的预处理，通过模糊关联规则对运维数据进行深度挖掘，发现数据间的关联规律，由此判断系统的运行状态。
技术实现思路
1、本专利技术要解决的技术问题就是克服以上的技术缺陷，提供海量电力运维数据智能处理方法，可对实时和非实时数据进行分类处理，可实现不同标准下的运维数据的预处理，通过模糊关联规则对运维数据进行深度挖掘，发现数据间的关联规律，由此判断系统的运行状态。
2、为了解决上述问题，本专利技术的技术方案为海量电力运维数据智能处理方法：包括以下步骤：
3、步骤一：运维数据治理体系统一；
4、步骤二：运维数据处
5、步骤三：运维数据特征标签处理；
6、步骤四：基于模糊关联的运维数据处理。
7、进一步，所述运维数据治理体系统一化标准包括运维数据预处理、运维数据统一化标准、运维数据管理，运维数据管理包括数据标准管理和数据质量管理，数据标准管理由数据信息模型和数据标准文档确定，数据质量管理由检核规则和指标模型确定，中心节点数据区通过etl传输到大数据资源地，再通过数据服务传输到应用系统，通过管理元数据、技术元数据、业务元数据进行数据管理。
8、进一步，所述运维数据预处理包括确认数据范围、统计数据维度、分析数据关系，所述运维数据统一化标准包括标准的多样性、标准的可扩展性、运维数据管理。
9、进一步，所述etl通过对临时数据的抽取、转换和加载，通过业务系统数据库、文本文件输送到目标数据库。
10、进一步，所述运维数据处理技术包括数据采集、数据整合、数据存储、数据服务。
11、进一步，所述运维数据特征标签处理包括基础标签、深度标签，根据一段时间内设备的运行数据及其基本信息对该设备进行聚类，通过聚类对设备进行很好的划分，并深度地研究各聚类类型的特点与关联，在基础标签中，不同缺陷下的各特征量的影响程度不同，通过加权的方式对多维度特征量进行整合，以此获得故障缺陷的预测标签，其生成步骤如下：输入运行状态数据标签、向量转换生成数据集、特征参量离散化、apriori算法、故障类型权重计算、故障概率计算、输出故障类型以及其发生概率、生成故障预测标签。
12、进一步，模糊关联系统由模糊关联规则与模糊推理算法组成，采用apriori算法进行模糊关联规则的挖掘，apriori算法采用递归的方法来发现频繁项集，并计算每一频繁项集的支持度和置信度，选择梯形函数作为隶属度函数，以衡量标签属性，函数如下：
13、
14、式中：a(x)为数据标签属性“正常”的隶属度函数值；x为数值类数据的值；a1为正常阈值的90％；a2为正常阈值的110％,数据标签属性为“异常”的隶属度函数为
15、b(x)＝1-a(x),式中：b(x)为数据标签属性“异常”的隶属度函数值。
16、本专利技术与现有的技术相比的优点在于：
17、1、本专利技术以数据标签体系和数据关联为中心，提供了一套可实现数据关联分析的智能处理系统，实现电力数据的高效存储与利用，根据运维数据的基本信息，结合系统的运行数据和状态数据，调用各业务部门工作人员协调工作，完成多源的电力运维大数据标签体系的互联互通。
18、2、本专利技术通过搭建的大数据标签体系的深度应用框架，将运维数据经数据预处理后，置于大数据中心与调控平台之间，加强了数据的处理能力，提高数据处理效率，加强了业务与数据架构之间的联系，有利于进一步深入研究运维数据标签体系的数据预处理技术在电力运行维护方面的应用。
本文档来自技高网...【技术保护点】
1.海量电力运维数据智能处理方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的海量电力运维数据智能处理方法，其特征在于：所述运维数据治理体系统一化标准包括运维数据预处理、运维数据统一化标准、运维数据管理，运维数据管理包括数据标准管理和数据质量管理，数据标准管理由数据信息模型和数据标准文档确定，数据质量管理由检核规则和指标模型确定，中心节点数据区通过ETL传输到大数据资源地，再通过数据服务传输到应用系统，通过管理元数据、技术元数据、业务元数据进行数据管理。
3.根据权利要求2所述的海量电力运维数据智能处理方法，其特征在于：所述运维数据预处理包括确认数据范围、统计数据维度、分析数据关系，所述运维数据统一化标准包括标准的多样性、标准的可扩展性、运维数据管理。
4.根据权利要求2所述的海量电力运维数据智能处理方法，其特征在于：所述ETL通过对临时数据的抽取、转换和加载，通过业务系统数据库、文本文件输送到目标数据库。
5.根据权利要求1所述的海量电力运维数据智能处理方法，其特征在于：所述运维数据处理技术包括数据采集、数据整合、数据存储
6.根据权利要求1所述的海量电力运维数据智能处理方法，其特征在于：所述运维数据特征标签处理包括基础标签、深度标签，根据一段时间内设备的运行数据及其基本信息对该设备进行聚类，通过聚类对设备进行很好的划分，并深度地研究各聚类类型的特点与关联，在基础标签中，不同缺陷下的各特征量的影响程度不同，通过加权的方式对多维度特征量进行整合，以此获得故障缺陷的预测标签，其生成步骤如下：输入运行状态数据标签、向量转换生成数据集、特征参量离散化、Apriori算法、故障类型权重计算、故障概率计算、输出故障类型以及其发生概率、生成故障预测标签。
7.根据权利要求1所述的海量电力运维数据智能处理方法，其特征在于：模糊关联系统由模糊关联规则与模糊推理算法组成，采用Apriori算法进行模糊关联规则的挖掘，Apriori算法采用递归的方法来发现频繁项集，并计算每一频繁项集的支持度和置信度，选择梯形函数作为隶属度函数，以衡量标签属性，函数如下：
...【技术特征摘要】
1.海量电力运维数据智能处理方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的海量电力运维数据智能处理方法，其特征在于：所述运维数据治理体系统一化标准包括运维数据预处理、运维数据统一化标准、运维数据管理，运维数据管理包括数据标准管理和数据质量管理，数据标准管理由数据信息模型和数据标准文档确定，数据质量管理由检核规则和指标模型确定，中心节点数据区通过etl传输到大数据资源地，再通过数据服务传输到应用系统，通过管理元数据、技术元数据、业务元数据进行数据管理。
3.根据权利要求2所述的海量电力运维数据智能处理方法，其特征在于：所述运维数据预处理包括确认数据范围、统计数据维度、分析数据关系，所述运维数据统一化标准包括标准的多样性、标准的可扩展性、运维数据管理。
4.根据权利要求2所述的海量电力运维数据智能处理方法，其特征在于：所述etl通过对临时数据的抽取、转换和加载，通过业务系统数据库、文本文件输送到目标数据库。
5.根据权利要求1所述的海量电力运维数据智能处理方法...
【专利技术属性】
技术研发人员：赵恩来，杜旭光，白亮，林少钧，朱春艳，王红军，颜志军，刘佳，范永刚，
申请(专利权)人：北京国网信通埃森哲信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。