一种基于电力大数据的工业增加值现时预测方法及系统

    公开(公告)号:CN114091731A

    公开(公告)日:2022-02-25

    申请号:CN202111245927.8

    申请日:2021-10-26

    摘要: 本发明提供的一种基于电力大数据的工业增加值现时预测方法及系统,包括:获取预设历史时段的数据集,所述数据集包括经济统计数据和电力数据;基于历史时段的数据集以及预先构建的多个工业增加值预测模型,利用预测方法分别对历史时段的工业增加值进行预测,得到预测方法与多个工业增加值预测模型所形成不同组合的工业增加值预测值;根据不同组合的工业增加值预测值分别计算对应的均方预测误差,比较不同组合的均方预测误差以确定最优组合;基于最优组合对目标时期的工业增加值进行现时预测。本发明通过上述技术方案得到的最优组合能够对工业增加值进行更及时、准确的现时预测。

    一种利用电力数据评价城市高质量发展水平的方法

    公开(公告)号:CN113887855A

    公开(公告)日:2022-01-04

    申请号:CN202110825036.3

    申请日:2021-07-21

    IPC分类号: G06Q10/06 G06Q50/26

    摘要: 本发明公开了一种利用电力数据评价城市高质量发展水平的方法,包括如下步骤:1)构建高质量发展E指数,所述高质量发展E指数包括增长质效指数、创新驱动指数、结构优化指数、区域协调指数和民生幸福指数;2)构建概念数据模型;3)进行数据处理;4)进行数据输出;5)将各个子指数的指标权重及指标属性进行对应;6)采用加权平均法,分别构建增长质效指数、创新驱动指数、结构优化指数、区域协调指数、民生幸福指数。本发明属于电力系统数据分析领域,具体是指一种通过电力视角,分析我国高质量发展现状的利用电力数据评价城市高质量发展水平的方法。

    基于数据中台的大数据应用共享平台

    公开(公告)号:CN113452790A

    公开(公告)日:2021-09-28

    申请号:CN202110728934.7

    申请日:2021-06-29

    IPC分类号: H04L29/08

    摘要: 本发明公开了基于数据中台的大数据应用共享平台,包括应用层、服务层、数据层、集成层和基础架构层;所述数据层包括系统配置管理数据、非结构化数据、缓存数据、全文检索数据和中台主题数据&分析场景数据;所述服务层包含服务网关、服务管理、前台服务、单位管理中心服务、平台运营中心服务、认证服务、文件管理服务、工作流服务、搜索引擎服务;应用层包括WEB应用、移动应用、大屏展示和接口服务。本发明属于互联网技术领域,具体是指一种促进数据增值商业模式创新,进一步激活公司数据价值,助力公司数字经济发展的基于数据中台的大数据应用共享平台。

    电力故障检测方法及装置
    6.
    发明公开

    公开(公告)号:CN116955651A

    公开(公告)日:2023-10-27

    申请号:CN202310963365.3

    申请日:2023-08-02

    摘要: 本公开实施例提供了一种电力故障检测方法及装置。该方法包括:获取电力故障实体信息;其中,所述电力故障实体信息包括电力故障器件、所述电力故障器件的部件、所述部件的故障类型以及故障处理策略中的任意两项;将所述电力故障实体信息输入至目标电力故障检测模型中,输出所述电力故障实体信息对应的目标故障路径以及目标故障路径的置信度;根据所述目标故障路径进行电力故障检测。本公开实施例,通过将所述电力故障实体信息输入至目标电力故障检测模型中,输出所述电力故障实体信息对应的目标故障路径以及目标故障路径的置信度;根据所述目标故障路径进行电力故障检测的方式,可以提高故障检测的准确率以及故障检测的可解释性。

    一种日志数据挖掘方法及系统
    7.
    发明公开

    公开(公告)号:CN115904703A

    公开(公告)日:2023-04-04

    申请号:CN202211369437.3

    申请日:2022-11-03

    摘要: 本发明提供了一种日志数据挖掘方法及系统,包括:获取所需的日志文件的数据;采用MapReduce模型对数据进行数据处理操作获得属性数据;采用粒子群优化算法对属性数据进行寻优操作获得属性数据初始最优聚类中心;采用K‑means算法结合属性数据初始最优聚类中心对属性数据进行聚类操作获得最优聚类结果。本发明采用MapReduce模型进行数据处理操作的技术特征,提升大数据情况下数据准备的效率和准确率,并且采用粒子群优化算法确定聚类中心进而采用K‑means算法进行聚类操作的技术特征,消除了K‑means算法对初始聚类中心的依赖,提高了传统聚类算法初始聚类中心选取的准确性,提升了聚类算法用于日志数据挖掘结果的准确性和效率,极大提高日志数据挖掘的整体处理效率。

    一种流程挖掘方法及系统
    9.
    发明公开

    公开(公告)号:CN115688853A

    公开(公告)日:2023-02-03

    申请号:CN202211333392.4

    申请日:2022-10-28

    IPC分类号: G06N3/006 G06Q10/10

    摘要: 一种流程挖掘方法及系统,包括:获取所需的流程模型的事件日志信息;采用启发式算法计算所述事件日志信息的因果依赖关系启发式规则,获得各流程模型的因果矩阵;采用遗传算法对所有因果矩阵进行寻优操作,获得最佳因果矩阵;将所述最佳因果矩阵转化流程模型作为最佳流程模型。本发明采用启发式算法获得因果矩阵并采用遗传算法确定最佳因果矩阵的技术特征,缩短了搜索时间,增强了局部搜索能力,在流程挖掘问题上具有一定的优势,能够处理流程中不可见任务和非自由选择等特殊结构,提高了流程挖掘的效果。