CN109614392B - 中断历史数据自动修复方法、装置、电子设备及介质 - Google Patents

中断历史数据自动修复方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN109614392B
CN109614392B CN201811248678.6A CN201811248678A CN109614392B CN 109614392 B CN109614392 B CN 109614392B CN 201811248678 A CN201811248678 A CN 201811248678A CN 109614392 B CN109614392 B CN 109614392B
Authority
CN
China
Prior art keywords
data
instrument
repaired
increment value
interruption
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
Application number
CN201811248678.6A
Other languages
English (en)
Other versions
CN109614392A (zh
Inventor
郭军
刘玉明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuhai Pilot Technology Co ltd
Original Assignee
Zhuhai Pilot Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhuhai Pilot Technology Co ltd filed Critical Zhuhai Pilot Technology Co ltd
Priority to CN201811248678.6A priority Critical patent/CN109614392B/zh
Publication of CN109614392A publication Critical patent/CN109614392A/zh
Application granted granted Critical
Publication of CN109614392B publication Critical patent/CN109614392B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Debugging And Monitoring (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种中断历史数据自动修复方法，其包括以下步骤：根据预设自动修复扫描周期对历史数据库中的采集通道中断记录进行扫描，获取待修复仪表；获取待修复仪表中断前后以及中断期间在内的预设时间范围内的数据增量值数据，构建增量值数据矩阵，获取待修复仪表多个未中断期间与增量值数据矩阵相同预设时间范围内的数据增量值数据，构建多个目标数据矩阵；通过knn算法对待修复仪表中断期间的数据进行填补，得到待修复仪表中断期间的表底值。本发明还公开了中断历史数据自动修复装置、电子设备及计算机可读存储介质。本发明能提高数据处理效率和数据的真实性。

Description

中断历史数据自动修复方法、装置、电子设备及介质
技术领域
本发明涉及能效管理系统数据处理技术领域，尤其涉及一种中断历史数据自动修复方法、装置、电子设备及介质。
背景技术
近年来，随着大数据以及互联网+技术的发展，在建筑能耗监测、工业用电系统分析等大型平台中，对数据分析显的格外重要。基础数据通过仪表→管理机→采集系统到达平台的过程中，难免会出现设备的不稳定性，从而造成数据的中断，导致在平台展示过程中出现数据跳变和断层。为了保证展示的效果和数据的真实性，对中断数据修复显的十分必要。在能效管理、智能抄表、配电监控等系统中，均要求累计量具有多种颗粒度的报表(例如15分/小时/日/月/年等)，相关的标准也有明确规定。在现实的能源管理系统中对累计量一般要求15分钟一次的数据存储；再定期对所存储的累计量历史数据执行抽取操作，以抽取时、日、月和年等颗粒度的用电量数据，并存储在数据库中，供上层报表模块或者其他应用模块查询。
现有的能效系统采用的平均值，固定的趋势修复等对中断数据修复算法，对一些公共建筑这些每日能耗相对稳定的系统来说，效果比较合适。相对于医院、学校、企业这些昼夜数据相差较大的行业来说，效果并不好，数据过于平滑。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供一种中断历史数据自动修复方法，其能提高数据处理效率和数据的真实性。
本发明的目的之二在于提供一种中断历史数据自动修复装置，其能提高数据处理效率和数据的真实性。
本发明的目的之三在于提供一种实现上述中断历史数据自动修复方法的电子设备。
本发明的目的之四在于提供一种存储上述中断历史数据自动修复方法的计算机可读存储介质。
本发明的目的之一采用如下技术方案实现：
一种中断历史数据自动修复方法，包括以下步骤：
根据预设自动修复扫描周期对历史数据库中的采集通道中断记录进行扫描，当存在采集通道中断时，将中断的采集通道下的仪表标记为待修复仪表；
获取待修复仪表中断前后以及中断期间在内的预设时间范围内的数据增量值数据，构建增量值数据矩阵，获取待修复仪表多个未中断期间与增量值数据矩阵相同预设时间范围内的数据增量值数据，构建多个目标数据矩阵；
通过knn算法对待修复仪表中断期间的数据进行填补，得到待修复仪表中断期间的表底值。
进一步地，在对将中断的采集通道下的仪表标记为待修复仪表之后，还包括：
扫描待修复仪表信息，筛选出不符合数据修复的仪表，以生成数据修复清单信息。
进一步地，通过knn算法对待修复仪表中断期间的数据进行填补，得到待修复仪表中断期间的表底值，包括：
计算目标数据矩阵与增量值数据矩阵之间的欧氏距离；
选取欧氏距离最小的m个目标数据矩阵作为最近邻数据矩阵；
获取每个最近邻数据矩阵中与增量值数据矩阵中增量值为零的数据相对应的元素，标记为Aij，Aij为第i个最近邻数据矩阵中与增量值数据矩阵中第j个增量值为零的数据对应的元素；1≤i≤m；1≤j≤n，n为增量值数据矩阵中增量值为零的数据总数；
通过加权平均数对增量值数据矩阵中为零的数据进行填补：
其中，Sj为增量值数据矩阵中第j个增量值为零的数据的填补数据；qi为第i个最近邻数据矩阵中的元素对应的加权系数；
获取待修复仪表中断前后的表底值x1和x2，计算实际增量值ΔW，根据所述填补数据获取增量总值ΔW1，根据增量总值ΔW1和ΔW计算得到所述填补数据对应的表底值，称为修复表底值：
其中，Wj为第j个修复表底值，ΔW＝x2-x1。
进一步地，所述预设时间范围为7天，所述数据增量值数据为待修复仪表相邻两个表底值之间的差值，相邻两个表底值被存储的时间间隔为存储周期，所述存储周期为15分钟。
进一步地，所述加权系数根据工作日与非工作日以及昼夜确定。
进一步地，所述增量值数据矩阵中为零的数据与增量值数据矩阵中总数据的比值不超过10％。
进一步地，所述得到待修复仪表中断期间的表底值之后，还包括：
将数据修复记录写入数据抽取表，抽取标志为1；
数据抽取进程定期扫描数据抽取表，当发现抽取标志为1的抽取记录，启动数据抽取，将抽取后的数据记录写入历史统计表，抽取完成后将抽取记录标志修改为0。
本发明的目的之二采用如下技术方案实现：
一种中断历史数据自动修复装置，包括：
扫描模块，用于根据预设自动修复扫描周期对历史数据库中的采集通道中断记录进行扫描，当存在采集通道中断时，将中断的采集通道下的仪表标记为待修复仪表；
获取模块，用于获取待修复仪表中断前后以及中断期间在内的预设时间范围内的数据增量值数据，构建增量值数据矩阵，获取待修复仪表多个未中断期间与增量值数据矩阵相同预设时间范围内的数据增量值数据，构建多个目标数据矩阵；
填补模块，用于通过knn算法对待修复仪表中断期间的数据进行填补，得到待修复仪表中断期间的表底值。
本发明的目的之三采用如下技术方案实现：
一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明目的之一的中断历史数据自动修复方法。
本发明的目的之四采用如下技术方案实现：
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明目的之一的中断历史数据自动修复方法。
相比现有技术，本发明的有益效果在于：
本发明通过数据增量值数据的knn(最近邻)算法结合加权平均数对待修复仪表中断期间内的数据进行填补，从而得到待修复仪表中断期间的表底值，提高数据处理效率和数据的真实性。
附图说明
图1为本发明实施例一的中断历史数据自动修复方法的流程图；
图2为本发明实施例二的中断历史数据自动修复装置的结构示意图；
图3为本发明实施例三的电子设备的结构示意图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
实施例一
本发明实施例一公开了一种中断历史数据自动修复方法，该方法可以由硬件或/和软件来执行，请参照图1所示，其包括以下步骤：
110、根据预设自动修复扫描周期对历史数据库中的采集通道中断记录进行扫描，当存在采集通道中断时，将中断的采集通道下的仪表标记为待修复仪表。
根据预设自动修复扫描周期对历史库中的采集通道中断记录进行扫描，当存在采集通道中断时，即可判断当前采集通道下的所有仪表需要进行数据修复，并将通道下的仪表标记为待修复。同时还需对正常采集通道下的仪表状态进行扫描，将中断仪表标记为待修复状态，扫描结束后结果存入数据库。
得到待修复仪表之后，扫描待修复仪表信息，筛选出不符合数据修复的仪表，譬如长期处于中断状态的仪表或无累计量配置的仪表，以生成数据修复清单信息。
根据数据修复清单和数据缺失范围，获取其对应的修复算法，并启动数据修复，即执行步骤120和130的操作。
120、获取待修复仪表中断前后以及中断期间在内的预设时间范围内的数据增量值数据，构建增量值数据矩阵，获取待修复仪表多个未中断期间与增量值数据矩阵相同预设时间范围内的数据增量值数据，构建多个目标数据矩阵。
预设时间范围一般设置为7天，增量值数据矩阵的预设时间范围包括中断期间以及中断前后的时间内的增量值数据，所谓的增量值数据，即待修复仪表相邻两个表底值之间的差值，将相邻两个表底值被存储的时间间隔为存储周期，一般地，存储周期为15分钟，即仪表每15分钟存储一次表底值，可以理解的是，待修复仪表在中断期间的增量值数据为零。
预设范围的取值可以根据需要进行调整，一般情况下，增量值数据矩阵中为零的数据与增量值数据矩阵中总数据的比值不超过10％，当预设时间范围为7天时，如果增量值数据矩阵中为零的数据与增量值数据矩阵中总数据的比值大于10％，则适当增加该预设时间范围。
目标数据矩阵对应的预设时间范围与增量值数据矩阵相同，原则上完全对应，例如，增量值数据矩阵对应的预设时间范围为周一的0:00到周日24:00，则目标数据矩阵对应的预设时间范围也应当选取周一的0:00到周日24:00。当然，如果根据工作日与非工作日以及昼夜的关系确定了加权系数，例如，白天和夜晚的加权系数比为4:1，也可以是相同的周期范围，例如增量值数据矩阵对应的预设时间范围为周一的0:00到周日24:00，而目标数据矩阵对应的预设时间范围选取周二的12:00到下一个周二的12:00。这种情况下，目标数据矩阵也可以只选取待修复仪表相应的中断期间的增量值数据作为其内的元素，例如增量值数据矩阵对应的预设时间范围为周一的0:00到周日24:00，中断期间为周三的6:00到周四的10:00，则目标数据矩阵只获取未中断期间周三6:00到周四10:00的增量值数据；当然，还可以选取任意未中断期间与中断期间相应的时间段的增量值数据作为目标数据矩阵，例如增量值数据矩阵对应的预设时间范围为周一的0:00到周日24:00，中断期间为周三的6:00到周四的10:00，而目标数据矩阵可以选取未中断期间周五6:00到周四10:00的增量值数据，或者选取未中断期间周五8:00到周四12:00的增量值数据，等等。
为了便于计算，在本发明较佳的实施例中，采用目标数据矩阵对应的预设时间范围与增量值数据矩阵完全对应的方式。
以预设时间范围为7天为例，增量值数据矩阵和目标数据矩阵均以天为行，即一共有7行，以存储周期的数据增量值数据为列，以存储周期15分钟为例，则一共有24*4列。
130、通过knn算法对待修复仪表中断期间的数据进行填补，得到待修复仪表中断期间的表底值。
具体的，包括以下步骤：
A、计算目标数据矩阵与增量值数据矩阵之间的欧氏距离；
B、选取欧氏距离最小的m个目标数据矩阵作为最近邻数据矩阵，在发明较佳的实施例中，m＝3；
C、获取每个最近邻数据矩阵中与增量值数据矩阵中增量值为零的数据相对应的元素，标记为Aij，Aij为第i个最近邻数据矩阵中与增量值数据矩阵中第j个增量值为零的数据对应的元素；1≤i≤m；1≤j≤n，n为增量值数据矩阵中增量值为零的数据总数；
D、通过加权平均数对增量值数据矩阵中为零的数据进行填补：
其中，Sj为增量值数据矩阵中第j个增量值为零的数据的填补数据；qi为第i个最近邻数据矩阵中的元素对应的加权系数；
E、获取待修复仪表中断前、后的表底值x1和x2(表底值即待修复仪表的用电量)，计算实际增量值ΔW，根据所述填补数据获取增量总值ΔW1，根据增量总值ΔW1和ΔW计算得到所述填补数据对应的表底值，称为修复表底值：
其中，Wj为第j个修复表底值，ΔW＝x2-x1。
得到待修复仪表中断期间的表底值之后，将数据修复记录写入数据抽取表，抽取标志为1；数据抽取进程定期扫描数据抽取表，当发现抽取标志为1的抽取记录，启动数据抽取，将抽取后的数据记录写入历史统计表，即将得到待修复仪表中断期间的表底值赋予历史数据库中断期间相应的存储位置上，抽取完成后将抽取记录标志修改为0。
实施例二
实施例二公开了一种对应上述实施例的中断历史数据自动修复装置，请参照图2所示，其包括：
扫描模块210，用于根据预设自动修复扫描周期对历史数据库中的采集通道中断记录进行扫描，当存在采集通道中断时，将中断的采集通道下的仪表标记为待修复仪表；
获取模块220，用于获取待修复仪表中断前后以及中断期间在内的预设时间范围内的数据增量值数据，构建增量值数据矩阵，获取待修复仪表多个未中断期间与增量值数据矩阵相同预设时间范围内的数据增量值数据，构建多个目标数据矩阵；
填补模块230，用于通过knn算法对待修复仪表中断期间的数据进行填补，得到待修复仪表中断期间的表底值。
实施例三
图3为本发明实施例三提供的一种电子设备的结构示意图，如图3所示，该电子设备包括处理器310、存储器320、输入装置330和输出装置340；计算机设备中处理器310的数量可以是一个或多个，图3中以一个处理器310为例；电子设备中的处理器310、存储器320、输入装置330和输出装置340可以通过总线或其他方式连接，图3中以通过总线连接为例。
存储器320作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的中断历史数据自动修复方法对应的程序指令/模块(例如，中断历史数据自动修复装置中的扫描模块210、获取模块220和填补模块230)。处理器310通过运行存储在存储器320中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的中断历史数据自动修复方法。
存储器320可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器320可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器320可进一步包括相对于处理器310远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置330可用于用户信息。输出装置340可包括显示屏等显示设备。
实施例四
本发明实施例四还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种中断历史数据自动修复方法，该方法包括：
根据预设自动修复扫描周期对历史数据库中的采集通道中断记录进行扫描，当存在采集通道中断时，将中断的采集通道下的仪表标记为待修复仪表；
获取待修复仪表中断前后以及中断期间在内的预设时间范围内的数据增量值数据，构建增量值数据矩阵，获取待修复仪表多个未中断期间与增量值数据矩阵相同预设时间范围内的数据增量值数据，构建多个目标数据矩阵；
通过knn算法对待修复仪表中断期间的数据进行填补，得到待修复仪表中断期间的表底值。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的中断历史数据自动修复方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台电子设备(可以是手机，个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述中断历史数据自动修复装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (9)

1.一种中断历史数据自动修复方法，其特征在于包括以下步骤：
根据预设自动修复扫描周期对历史数据库中的采集通道中断记录进行扫描，当存在采集通道中断时，将中断的采集通道下的仪表标记为待修复仪表；
获取待修复仪表中断前后以及中断期间在内的预设时间范围内的数据增量值数据，构建增量值数据矩阵，获取待修复仪表多个未中断期间与增量值数据矩阵相同预设时间范围内的数据增量值数据，构建多个目标数据矩阵；
通过knn算法对待修复仪表中断期间的数据进行填补，得到待修复仪表中断期间的表底值；
其中，通过knn算法对待修复仪表中断期间的数据进行填补，得到待修复仪表中断期间的表底值，包括：
计算目标数据矩阵与增量值数据矩阵之间的欧氏距离；
选取欧氏距离最小的m个目标数据矩阵作为最近邻数据矩阵；
获取每个最近邻数据矩阵中与增量值数据矩阵中增量值为零的数据相对应的元素，标记为Aij，Aij为第i个最近邻数据矩阵中与增量值数据矩阵中第j个增量值为零的数据对应的元素；1≤i≤m；1≤j≤n，n为增量值数据矩阵中增量值为零的数据总数；
通过加权平均数对增量值数据矩阵中为零的数据进行填补：
其中，Sj为增量值数据矩阵中第j个增量值为零的数据的填补数据；qi为第i个最近邻数据矩阵中的元素对应的加权系数；
获取待修复仪表中断前后的表底值x1和x2，计算实际增量值ΔW，根据所述填补数据获取增量总值ΔW1，根据增量总值ΔW1和ΔW计算得到所述填补数据对应的表底值，称为修复表底值：
其中，Wj为第j个修复表底值，ΔW＝x2-x1。
2.如权利要求1所述的中断历史数据自动修复方法，其特征在于，在对将中断的采集通道下的仪表标记为待修复仪表之后，还包括：
扫描待修复仪表信息，筛选出不符合数据修复的仪表，以生成数据修复清单信息。
3.如权利要求1所述的中断历史数据自动修复方法，其特征在于，所述预设时间范围为7天，所述数据增量值数据为待修复仪表相邻两个表底值之间的差值，相邻两个表底值被存储的时间间隔为存储周期，所述存储周期为15分钟。
4.如权利要求1所述的中断历史数据自动修复方法，其特征在于，所述加权系数根据工作日与非工作日以及昼夜确定。
5.如权利要求1所述的中断历史数据自动修复方法，其特征在于，所述增量值数据矩阵中为零的数据与增量值数据矩阵中总数据的比值不超过10％。
6.如权利要求1所述的中断历史数据自动修复方法，其特征在于，所述得到待修复仪表中断期间的表底值之后，还包括：
将数据修复记录写入数据抽取表，抽取标志为1；
数据抽取进程定期扫描数据抽取表，当发现抽取标志为1的抽取记录，启动数据抽取，将抽取后的数据记录写入历史统计表，抽取完成后将抽取记录标志修改为0。
7.一种中断历史数据自动修复装置，其特征在于，用于权利要求1所述的中断历史数据自动修复方法，包括：
扫描模块，用于根据预设自动修复扫描周期对历史数据库中的采集通道中断记录进行扫描，当存在采集通道中断时，将中断的采集通道下的仪表标记为待修复仪表；
获取模块，用于获取待修复仪表中断前后以及中断期间在内的预设时间范围内的数据增量值数据，构建增量值数据矩阵，获取待修复仪表多个未中断期间与增量值数据矩阵相同预设时间范围内的数据增量值数据，构建多个目标数据矩阵；
填补模块，用于通过knn算法对待修复仪表中断期间的数据进行填补，得到待修复仪表中断期间的表底值。
8.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的中断历史数据自动修复方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的中断历史数据自动修复方法。
CN201811248678.6A 2018-10-25 2018-10-25 中断历史数据自动修复方法、装置、电子设备及介质 Active CN109614392B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811248678.6A CN109614392B (zh) 2018-10-25 2018-10-25 中断历史数据自动修复方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811248678.6A CN109614392B (zh) 2018-10-25 2018-10-25 中断历史数据自动修复方法、装置、电子设备及介质

Publications (2)

Publication Number Publication Date
CN109614392A CN109614392A (zh) 2019-04-12
CN109614392B true CN109614392B (zh) 2023-08-08

Family

ID=66002685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811248678.6A Active CN109614392B (zh) 2018-10-25 2018-10-25 中断历史数据自动修复方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN109614392B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110274995A (zh) * 2019-06-18 2019-09-24 深圳市美兆环境股份有限公司 填充数据的确定方法、装置及计算机设备
CN110727006A (zh) * 2019-10-14 2020-01-24 广东星舆科技有限公司 Gnss观测数据的生成方法、存储介质和装置
CN111666537B (zh) * 2020-05-28 2023-08-01 南京东源磐能能源科技股份有限公司 一种基于表底值的能耗统计方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103353895A (zh) * 2013-07-22 2013-10-16 广西电网公司电力科学研究院 一种配电网线损数据的预处理方法
CN103714060A (zh) * 2012-09-28 2014-04-09 艾默生网络能源有限公司 中断期历史数据的处理方法及前端采集子系统设备
CN107193876A (zh) * 2017-04-21 2017-09-22 美林数据技术股份有限公司 一种基于最近邻knn算法的缺失数据填补方法
CN108509594A (zh) * 2018-03-30 2018-09-07 深圳汇通智能化科技有限公司 一种基于云计算框架的交通大数据清洗系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170124464A1 (en) * 2015-10-28 2017-05-04 Fractal Industries, Inc. Rapid predictive analysis of very large data sets using the distributed computational graph

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103714060A (zh) * 2012-09-28 2014-04-09 艾默生网络能源有限公司 中断期历史数据的处理方法及前端采集子系统设备
CN103353895A (zh) * 2013-07-22 2013-10-16 广西电网公司电力科学研究院 一种配电网线损数据的预处理方法
CN107193876A (zh) * 2017-04-21 2017-09-22 美林数据技术股份有限公司 一种基于最近邻knn算法的缺失数据填补方法
CN108509594A (zh) * 2018-03-30 2018-09-07 深圳汇通智能化科技有限公司 一种基于云计算框架的交通大数据清洗系统

Also Published As

Publication number Publication date
CN109614392A (zh) 2019-04-12

Similar Documents

Publication Publication Date Title
CN109614392B (zh) 中断历史数据自动修复方法、装置、电子设备及介质
Pfenninger Dealing with multiple decades of hourly wind and PV time series in energy models: A comparison of methods to reduce time resolution and the planning implications of inter-annual variability
Poncelet et al. The importance of integrating the variability of renewables in long-term energy planning models
Gullì et al. The impact of intermittently renewable energy on Italian wholesale electricity prices: Additional benefits or additional costs?
Porteiro et al. Electricity demand forecasting in industrial and residential facilities using ensemble machine learning
Tang et al. Efficient scenario generation of multiple renewable power plants considering spatial and temporal correlations
CN116993227B (zh) 一种基于人工智能的供热分析评估方法、系统及存储介质
Woodruff et al. Constructing probabilistic scenarios for wide-area solar power generation
vom Stein et al. Development of adaptive time patterns for multi-dimensional power system simulations
CN115545058A (zh) 一种水表数据分析方法、系统及可读存储介质
CN110751416A (zh) 一种用水量的预测方法、装置及设备
CN110991985A (zh) 一种项目进度数据处理方法
CN108520329B (zh) 基于经纪人画像的二手房客户精准自动分配方法及装置
WO2011061970A1 (ja) 在庫計画作成装置、在庫計画作成方法及び在庫計画作成プログラム
Zhang et al. Multi-objective interval prediction of wind power based on conditional copula function
CN113779892B (zh) 一种风速和风向的预测方法
CN104299065B (zh) 一种调度自动化主备系统间模型正确性校验的方法
CN114186855A (zh) 监控预警方法、装置、计算机设备、存储介质和程序产品
CN114238856A (zh) 风光资源未来预测误差求解方法、装置、设备及存储介质
CN101228545A (zh) 用于对风险事件中的抵押水平反馈地、动态地进行监控的系统和方法
CN112419124A (zh) 一种低效工业用地的快速识别方法、装置及其存储介质
CN110941646A (zh) 基于10kv工程三率数据挖掘的项目进度管控系统
CN114092276A (zh) 台区短期负荷的预测方法
JP6552077B1 (ja) 日射量正規化統計解析システム、日射量正規化統計解析法および日射量正規化統計解析プログラム
CN110766286B (zh) 配电网拓扑校核方法、装置、计算机设备和可读存储介质

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