CN107391596B - 一种配电网海量数据融合方法及装置 - Google Patents
一种配电网海量数据融合方法及装置 Download PDFInfo
- Publication number
- CN107391596B CN107391596B CN201710518985.0A CN201710518985A CN107391596B CN 107391596 B CN107391596 B CN 107391596B CN 201710518985 A CN201710518985 A CN 201710518985A CN 107391596 B CN107391596 B CN 107391596B
- Authority
- CN
- China
- Prior art keywords
- data
- individual
- source
- distribution network
- power distribution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 50
- 238000007500 overflow downdraw method Methods 0.000 title claims description 9
- 230000004927 fusion Effects 0.000 claims abstract description 38
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000003068 static effect Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 24
- 238000009960 carding Methods 0.000 claims description 7
- 238000013075 data extraction Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000007499 fusion processing Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Computing Systems (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
一种配电网海量数据融合方法及装置，包括：为多源数据建立统一的数据通道，通过所述数据通道抽取数据信息；根据抽取到的数据信息确定数据所属个体；基于数据所属个体将所述数据信息采用相应的预设融合的方式建立分析数据集。本发明提供的技术方案提升了配电网数据可用性，实现静态数据和动态数据之间的融合，实现跨系统数据间业务协同，提升配电网辅助决策与计算分析的精度，满足统一决策分析的需要。
Description
技术领域
本发明涉及数据融合方法，具体涉及一种配电网海量数据融合方法及装置。
背景技术
随着智能电网建设的持续深入，计算机辅助决策得到广泛应用，如开关状态 评估、故障处理、基于可靠性的检修维护、网络薄弱环节和瓶颈分析、运行方式 优化、供电质量统计等，针对每种业务系统都有一套独立的、满足各自标准的数 据库和数据逻辑，开展各种单独的业务决策与计算分析，跨部门统一决策和工作 难度极大，配电网智能辅助决策过程的瓶颈在于数据融合，当前在信息领域研究 中，多个大数据工具和系统已经对数据融合、数据拼接技术进行了一系列实现， 然而对于逻辑复杂、实时性要求高，海量静态台账数据与高速动态量测数据并存 的配电网来说，要想对多源异构数据进行有效充分融合，使其符合配电网智能化 辅助决策和统一数据服务的要求是当前配电网研究领域的挑战之一。
配电网数据具有以下特点，(1)高并发性，远方监测终端对象数量庞大且分 布广泛，基于非循环式远动规约同时提交配电网数据，流量惊人。(2)时序性强， 数据在采集、传输、分析和存储过程中以数据流的形式持续出现，需要以尽可能 高效的方式对数据进行即时处理。(3)数据处理代价高昂，量测数据一般为高精 度浮点数且数值敏感性较强，同时配电网分析算法复杂，需要大量硬件资源才能 实现数据传输与处理。所以即使对少量数据进行处理也需要较高的存储和计算成 本。
多种数据系统中的数据结构还具有如下特点：(1)各业务系统各自为政，以 满足系统运转的最小业务需求为目标，系统与系统间没有足够的分享机制和通 道。(2)由于通信和处理能力的限制，数据量严重缺失，有时无法满足交互对象 系统的应用需要。综上所述对于配电网海量数据，数据源是多样的、自然形成的、 海量的数据常常是半结构或无结构的，要想进行充分有效融合，其技术难度和管 理制度难度是巨大的。
因此，为解决上述问题，本发明提供了一种配电网海量数据融合方法及装置。
发明内容
为了解决现有技术中所存在的上述不足，本发明提供一种配电网海量数据融 合方法及装置。所述方法包括：
为多源数据建立统一的数据通道；
通过所述数据通道抽取数据信息；
根据抽取到的数据信息确定数据所属个体；
基于数据所属个体将所述数据信息采用相应的预设融合方式建立分析数据 集。
优选的，所述多源数据包括动态数据和静态数据。
优选的，还包括对所述动态数据进行结构化梳理，所述结构化梳理为对缺失、 错误数据进行剔除并添加数据异常标签。
优选的，所述为多源数据建立统一的数据通道，包括：通过配置文件将所述 多源数据信息转化为统一格式的数据信息。
优选的，所述通过数据通道抽取数据信息，包括：由所述数据通道从数据融 合窗口读入的数据中抽取数据信息；
所述数据融合窗口读入的数据，包括在一定时间窗口下采用轮询的方式抽取 数据信息。
优选的，所述根据抽取到的数据信息确定数据所属个体包括：检查来源数据 所属个体的表示量是否充分，若不充分，补充所述个体相关数据结构。
优选的，所述基于数据所属个体将所述数据信息采用相应的预设融合方式建 立分析数据集，包括：
当数据源数据与上一个数据源数据不属于同一个体时，以采集频率快的数据 源为标准数据结构，形成同一属性字段，建立第一分析数据集；
当数据源数据与上一个数据源数据属于同一个体时，将不同时间尺度的同一 个体所属数据进行插值，同时记录插值频率，建立第二分析数据集。
优选的，所述个体包括设备元件和/或网络。
一种配电网数据融合装置，所述装置包括：数据抽取模块、数据分析模块、 和数据处理模块；
所述数据抽取模块，用于为多源数据建立统一的数据通道，通过所述数据通 道抽取多源数据信息；
数据分析模块，用于根据抽取到的数据信息，确定数据所属个体；
所述数据处理模块，用于基于数据所属个体将所述数据信息采用相应的融合 的方式建立分析数据集。
优选的，所述数据抽取模块，用于为多源数据建立统一的数据通道，通过所 述数据通道在一定时间窗口下采用轮询的方式进行多源数据信息抽取。
优选的，所述数据处理模块包括：第一处理子模块和第二处理子模块；
所述第一处理子模块，用于当数据源数据与上一个数据源数据不属于同一个 体时，以采集频率快的数据源为标准数据结构，形成同一属性字段，建立第一分 析数据集；
所述第二处理子模块，用于当数据源数据与上一个数据源数据属于同一个体 时，将不同时间尺度的同一个体所属数据进行插值，同时记录插值频率，建立第 二分析数据集。
优选的，所述个体包括设备元件和/或网络。
与现有技术相比，本发明的有益效果为：
(1)本发明提供的技术方案，通过数据通道抽取数据信息，并根据抽取到 的数据信息确定数据所属个体，基于数据所属个体采用相应的预设融合方式建立 分析数据集，实现多源数据间的互补，有效的提升配电网辅助决策与分析计算能 力，实现配电网全信息化；
(2)本发明提供的技术方案，提升了配电网数据可用性，通过数据通道接 入，将分布在不同业务系统和不同采集设备上统一汇集，实现跨系统数据间业务 协同，提升配电网辅助决策与计算分析的精度。
附图说明
图1为本发明的配电网海量多源数据融合方法示意图；
图2为本发明的配电网海量多源数据融合流程图；
图3为本发明的配电网海量多源数据融合示意图；
其中，1‐多源异构数据筛选，2‐数据融合窗口，3‐融合样本集，4‐缺失/错误 标签添加，5‐横向数据扩展，6‐纵向插值，7‐纵向插值序列记录。
具体实施方式
为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一 步的说明。
下面结合附图对本发明的具体实例方式进行具体说明。本发明设计了一种配 电网海量数据融合方法及装置，通过基于纵向数据插值和横向数据扩展两个关键 核心步骤实现配电网数据深度融合，还采用了一定的数据缓存与抽取策略实现动 态数据接入。本发明包括配电网数据纵向插值方法，配电网数据横向扩展方法， 以及数据校验修复三个关键步骤。
图1示出了本发明的配电网海量多源数据融合方法实施的示意图，如图1 所示，本发明的数据融合方法可以包括如下步骤：
为静态数据和动态数据建立统一的数据通道，通过数据通道抽取数据信息；
根据抽取到的数据信息确定数据所属个体；
基于个体将静态数据和结构化处理后的动态数据采用数据插值和/或数据融 合的方法建立分析数据集。
下面对每个步骤进行详细说明。
1、为多源数据建立统一的数据通道，通过数据通道抽取数据信息
面向配电网多元异构数据，集成多个数据库访问的标准API，实现对数据库 增删查改功能的支持，特别是海量数据抽取，通过数据通道接入，将分布在不同 业务系统和不同采集设备上统一汇集。在这里数据通道接入是指：通过配置文件 将所述多源数据信息转化为统一格式的数据信息。
2、根据抽取到的数据信息确定数据所属个体
确定来源数据的更新频率、范围、预计流量大小，采用适合其窗口大小的轮 询方式进行数据读入，添加数据时标。然后确定数据所属的个体(对于配电网以 设备元件或网络作为一个个体)。例如对于个体A，其元件上绑定的数据资源如 下式所示：
Ai＝{ID，NAME，Postion，zend，T1，T2...} (1)
对动态数据进行结构化梳理，对缺失、错误数据进行剔除并添加数据异常标 签。对于读取窗口数量范围为n大小的数据集合data{d1,d2,...,dn}，循环识别 数据，对数据为空和错误数据添加标签。
3、基于所述个体将所述数据信息采用数据插值和/或数据融合的方式建立分 析数据集
根据数据所确定的个体，分纵向数据插值和横向数据丰富两类融合方法。这 里的纵向数据为同一个体属性时标不同的数据，横向数据为不同个体属性的数 据。首先检查来源数据所属个体的表示量是否充分，是否有对应属性与时序范围， 补充该个体相关数据结构。设数据di的时序频率为Zi，时间为Ti，查看是否为横 向数据，其判断方法就是与上一个数据di-1是否属于同一个体同一属性，如果不 属于，则为横向数据，插入对应个体的对应属性中，如果该属性不存在，则新增 属性并插入。如di为纵向数据，循环读取当前数据集该个体对应属性序列 D{D1,D2,...,Dm}，分别进行比对，满足：
TDj＜Ti＜TDj-1 (2)
则将di插入Dj后，其中TDj是Dj的时标。同时记数据di的时序频率Zi，并 插入数据集。
Zi＝TDj-Ti (3)
检查数据是否完成融合，完成后建立分析数据集。
图2为示出了本发明的配电网海量多源数据融合流程图，如图2所示，配电 网海量多源数据融合流程图具体可以包括：
步骤1、将静态数据源和动态数据源接入配电网；
步骤2、对数据进行结构化梳理，剔除缺失、错误的数据；
步骤3、判断剩余的数据是否为横向数据，若是，进行步骤4，否则进行步 骤5；
步骤4、将横向数据读入，随后进行横向数据扩展，并判断是否完成全部读 入，是则进入步骤6完成整合，建立数据集，否则返回步骤2；
步骤5、将纵向数据读入，随后进行纵向数据插值，并判断是否完成全部读 入，若是进入步骤6，否则返回步骤2；
步骤6、完成整合，建立数据集。
图3示出了配电网海量多源数据融合示意图，如图3所示，所述配电网海量 多源数据融合过程包括：
1可以为多源异构数据筛选过程，将多源、异构数据统一数据格式，其中， 虚线框可以表示静态数据，实线框为动态数据，对动态数据进行结构化梳理可以 为将缺失/错误标签4添加到动态数据中；
2可以为数据融合过程，包括多个数据融合窗口，经过筛选抽取后的数据信 息进行数据融合，其中可以包括横向数据扩展5和纵向插值6处理，在纵向插值 时可以记录插值频率等，形成纵向插值序列记录7，最终实现数据融合；
3可以为建立数据集的结果，即经过数据融合后最终得到由分析数据集组成 的融合样本集3，其中，当数据源数据与上一个数据源数据不属于同一个体时， 以采集频率快的数据源为标准数据结构，形成同一属性字段，建立第一分析数据 集(可以为图中虚线框示意)；当数据源数据与上一个数据源数据属于同一个体 时，将不同时间尺度的同一个体所属数据进行插值，同时记录插值频率，建立第 二分析数据集(可以为图中实线框示意)。
本发明提供的技术方案，采用数据插值和/或数据融合的方式建立分析数据 集，将配电网所有相关内外部数据纳入其中，不同业务部门人员根据其数据需求 在各自数据视图中各取所需，业务数据交叉协调能力强，满足统一决策分析需要。
本发明提供的技术方案，提升了配电网数据可用性，实现静态数据和动态数 据之间的融合，实现跨系统数据间业务协同，提升配电网辅助决策与计算分析的 精度。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算 机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软 件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计 算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、 光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品 的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或 方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框 的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机 或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可 编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个 流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备 以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指 令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和 /或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得 在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从 而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或 多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和 原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的 权利要求范围之内。
Claims (9)
1.一种配电网数据融合方法，其特征在于，所述方法包括：
为多源数据建立统一的数据通道；
通过所述数据通道抽取数据信息；
根据抽取到的数据信息确定数据所属个体；
基于数据所属个体将所述数据信息采用相应的预设融合方式建立分析数据集；
所述根据抽取到的数据信息确定数据所属个体包括：
检查来源数据所属个体的表示量是否充分；
若不充分，补充所述个体相关数据结构；
所述基于数据所属个体将所述数据信息采用相应的预设融合方式建立分析数据集，包括：
当数据源数据与上一个数据源数据不属于同一个体时，以采集频率快的数据源为标准数据结构，形成同一属性字段，建立第一分析数据集；
当数据源数据与上一个数据源数据属于同一个体时，将不同时间尺度的同一个体所属数据进行插值，同时记录插值频率，建立第二分析数据集。
2.如权利要求1所述的配电网数据融合方法，其特征在于，所述多源数据包括动态数据和静态数据。
3.如权利要求2所述的配电网数据融合方法，其特征在于，还包括：
对所述动态数据进行结构化梳理，所述结构化梳理为对缺失、错误数据进行剔除并添加数据异常标签。
4.如权利要求1所述的配电网数据融合方法，其特征在于，所述为多源数据建立统一的数据通道，包括：
通过配置文件将所述多源数据信息转化为统一格式的数据信息。
5.如权利要求1所述的配电网数据融合方法，其特征在于，所述通过数据通道抽取数据信息，包括：
由所述数据通道从数据融合窗口读入的数据中抽取数据信息；
所述数据融合窗口读入的数据，包括在一定时间窗口下采用轮询的方式抽取数据信息。
6.如权利要求1或5所述的配电网数据融合方法，其特征在于，所述个体包括设备元件和/或网络。
7.一种配电网数据融合装置，其特征在于，所述装置包括：数据抽取模块、数据分析模块和数据处理模块；
所述数据抽取模块，用于为多源数据建立统一的数据通道，通过所述数据通道抽取多源数据信息；
数据分析模块，用于根据抽取到的数据信息，确定数据所属个体；
所述数据处理模块，用于基于数据所属个体将所述数据信息采用相应的融合的方式建立分析数据集；
所述数据处理模块包括：第一处理子模块和第二处理子模块；
所述第一处理子模块，用于当数据源数据与上一个数据源数据不属于同一个体时，以采集频率快的数据源为标准数据结构，形成同一属性字段，建立第一分析数据集；
所述第二处理子模块，用于当数据源数据与上一个数据源数据属于同一个体时，将不同时间尺度的同一个体所属数据进行插值，同时记录插值频率，建立第二分析数据集。
8.如权利要求7所述的配电网数据融合装置，其特征在于，所述数据抽取模块用于为多源数据建立统一的数据通道，通过所述数据通道在一定时间窗口下采用轮询的方式进行多源数据信息抽取。
9.如权利要求7所述的配电网数据融合装置，其特征在于，所述个体包括设备元件和/或网络。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710518985.0A CN107391596B (zh) | 2017-06-29 | 2017-06-29 | 一种配电网海量数据融合方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710518985.0A CN107391596B (zh) | 2017-06-29 | 2017-06-29 | 一种配电网海量数据融合方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107391596A CN107391596A (zh) | 2017-11-24 |
| CN107391596B true CN107391596B (zh) | 2023-09-22 |
Family
ID=60334648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710518985.0A Active CN107391596B (zh) | 2017-06-29 | 2017-06-29 | 一种配电网海量数据融合方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107391596B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110019164A (zh) * | 2017-12-08 | 2019-07-16 | 上海仪电（集团）有限公司中央研究院 | 一种异构结构化数据融合概率的计算方法及系统 |
| CN108763435A (zh) * | 2018-05-24 | 2018-11-06 | 国网上海市电力公司 | 一种配用电大数据信息交互系统 |
| CN111221794A (zh) * | 2020-02-17 | 2020-06-02 | 湖南工学院 | 配电网广域量测控制系统多源数据融合方法 |
| CN115391432A (zh) * | 2022-10-28 | 2022-11-25 | 中国电子科技集团公司第十五研究所 | 司法大数据处理方法、系统、服务器及存储介质 |
| CN117272563B (zh) * | 2023-09-25 | 2024-04-19 | 上海能优网电力科技有限公司 | 基于融合流模型的配电网信息物理孪生建模方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103366311A (zh) * | 2013-07-11 | 2013-10-23 | 昆明能讯科技有限责任公司 | 一种基于变电站多系统的数据融合处理方法 |
| CN104216895A (zh) * | 2013-05-31 | 2014-12-17 | 高德软件有限公司 | 一种生成poi数据的方法及装置 |
| CN105069703A (zh) * | 2015-08-10 | 2015-11-18 | 国家电网公司 | 一种电网海量数据管理方法 |
| CN106528880A (zh) * | 2016-12-14 | 2017-03-22 | 云南电网有限责任公司电力科学研究院 | 一种多源电力业务数据的数据结构格式的规整方法和系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9093841B2 (en) * | 2012-02-16 | 2015-07-28 | General Electric Company | Power distribution network event correlation and analysis |
-
2017
- 2017-06-29 CN CN201710518985.0A patent/CN107391596B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104216895A (zh) * | 2013-05-31 | 2014-12-17 | 高德软件有限公司 | 一种生成poi数据的方法及装置 |
| CN103366311A (zh) * | 2013-07-11 | 2013-10-23 | 昆明能讯科技有限责任公司 | 一种基于变电站多系统的数据融合处理方法 |
| CN105069703A (zh) * | 2015-08-10 | 2015-11-18 | 国家电网公司 | 一种电网海量数据管理方法 |
| CN106528880A (zh) * | 2016-12-14 | 2017-03-22 | 云南电网有限责任公司电力科学研究院 | 一种多源电力业务数据的数据结构格式的规整方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107391596A (zh) | 2017-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107391596B (zh) | 一种配电网海量数据融合方法及装置 | |
| CN104423960B (zh) | 一种项目持续集成的方法及系统 | |
| CN105677615B (zh) | 一种基于weka接口的分布式机器学习方法 | |
| CN106126601A (zh) | 一种社保大数据分布式预处理方法及系统 | |
| Cemernek et al. | Big data as a promoter of industry 4.0: Lessons of the semiconductor industry | |
| CN108876019A (zh) | 一种基于大数据的用电负荷预测方法及系统 | |
| CN117056867B (zh) | 一种可用于数字孪生的多源异构数据融合方法及系统 | |
| CN108388640B (zh) | 一种数据转换方法、装置以及数据处理系统 | |
| CN102426525A (zh) | 一种多应用系统的全景建模方法 | |
| CN107748752A (zh) | 一种数据处理方法及装置 | |
| CN114116065B (zh) | 获取拓扑图数据对象的方法、装置、及电子设备 | |
| CN116049397B (zh) | 基于多模态融合的敏感信息发现并自动分类分级方法 | |
| CN112365167B (zh) | 基于动态本体模型的电网设备数字孪生体构建方法及装置 | |
| CN110991984A (zh) | 基于企业信息化异构系统的数字化经营分析平台及方法 | |
| CN111915099B (zh) | 一种货运信息可视化的货运量预测系统 | |
| CN109308290A (zh) | 一种基于cim的高效数据清洗转换方法 | |
| CN116843107B (zh) | 一种基于bim技术的建筑信息智能管理系统 | |
| CN113111659A (zh) | 电力巡检工作票生成方法、系统、设备及存储介质 | |
| CN109739910B (zh) | 一种开放性标签管理方法和系统 | |
| CN104573098B (zh) | 基于Spark系统的大规模对象识别方法 | |
| CN115169578A (zh) | 一种基于元宇宙数据标记的ai模型生产方法及系统 | |
| CN113176873B (zh) | 用于信息管理的方法和装置、电子设备、及介质 | |
| CN112559641B (zh) | 拉链表的处理方法及装置、可读存储介质、电子设备 | |
| Nagy et al. | Using process mining in real-time to reduce the number of faulty products | |
| CN115437757A (zh) | 调度方法、系统、服务器和计算机可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |