CN109669938A - 一种多维数据网荷存储方法与系统 - Google Patents
一种多维数据网荷存储方法与系统 Download PDFInfo
- Publication number
- CN109669938A CN109669938A CN201811283098.0A CN201811283098A CN109669938A CN 109669938 A CN109669938 A CN 109669938A CN 201811283098 A CN201811283098 A CN 201811283098A CN 109669938 A CN109669938 A CN 109669938A
- Authority
- CN
- China
- Prior art keywords
- data
- tree
- business
- identifier
- pool
- 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.)
- Pending
Links
- 238000003860 storage Methods 0.000 title claims abstract description 50
- 240000002853 Nelumbo nucifera Species 0.000 title claims abstract description 23
- 235000006508 Nelumbo nucifera Nutrition 0.000 title claims abstract description 23
- 235000006510 Nelumbo pentapetala Nutrition 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims abstract description 57
- 230000001360 synchronised effect Effects 0.000 claims abstract description 23
- 238000009826 distribution Methods 0.000 claims abstract description 15
- 239000002773 nucleotide Substances 0.000 claims abstract description 15
- 125000003729 nucleotide group Chemical group 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 10
- 241001269238 Data Species 0.000 claims description 9
- 230000005494 condensation Effects 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 3
- 244000131316 Panax pseudoginseng Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 230000006855 networking Effects 0.000 claims 1
- 230000004044 response Effects 0.000 abstract description 6
- 238000013500 data storage Methods 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000000354 decomposition reaction Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000002715 modification method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种多维数据网荷存储方法与系统,包括:将从微型同步相量测量装置获取的数据进行业务分类,构建网格化数据矩阵;基于所述网格化数据矩阵构建字段式数据列,并通过标识符进行分隔,然后按照T树构建方式形成数据池,并将所述数据池进行存储;其中每个数据池中的数据与T树节点按照关系进行对应;基于所述标识符序列,构建索引树,并将所述索引树与所述数据池中的数据建立对应关系。通过网络矩阵构建网格化存储、应用T树索引建立快速响应引擎,针对大量PMU采集相量数据进行合理化分解,实现数据存储与分析的快速支撑,从而解决微型PMU在配网实时数据采集中的非结构化数据结构化,以及网格化数据矩阵和T树实现业务逻辑的深度匹配。
Description
技术领域
本发明涉及电力系统领域,具体涉及一种多维数据网荷存储方法与系统。
背景技术
PMU电力系统同步相量测量装置,主要用于进行同步相量的测量和输出以及进行动态记录的装置,在电力系统状态估计与动态监视、稳定预测与控制、模型验证、继电保护、故障定位中有很好的作用,随着配网的管理精度越来越细,对基础支撑的数据要求越来越高,根据PMU在电网中的应用效果,研制开发微型同步相量测量装置进行配电网数据采集,应用高级分析,进行配电网的优化管理,提升配电网安全可靠性
但在处理大量微型PMU数据时,由于存储限制而导致资源响应的问题,导致配电网分析工作时针对业务与数据的响应需求信息是,存储效率地下,且分析准确性与可靠性较低。
发明内容
为了解决现有技术中存在的由于存储限制导致的资源响应的问题,本发明提供一种多维数据网荷矩阵模式存储和T树索引方法及系统。
本发明提供的技术方案是:
一种配电网线损数据校验与修正方法,包括:
将从微型同步相量测量装置获取的数据进行业务分类,构建网格化数据矩阵;
基于所述网格化数据矩阵构建字段式数据列,并通过标识符进行分隔,然后按照T树构建方式形成数据池,并将所述数据池进行存储;其中每个数据池中的数据与T树节点按照关系进行对应;
基于所述标识符序列,构建索引树,并将所述索引树与所述数据池中的数据建立对应关系。
优选的,所述基于所述网格化数据矩阵构建字段式数据列,并通过标识符进行分隔,然后按照T树构建方式形成数据池,包括:
在内存中,基于所述网格化数据矩阵构建字段式数据列,通过数据库可识别标识符进行分隔,得到标识数据列;
将所有标识数据存储于内存数据库中;
在内存数据库中将所述数据序列单元按照T树建立左、右子节点,将左子节点中存储当前标识数据列中的业务类型,右子节点中存储当前标识数据列的数据参数,所述左子节点和所述右子节点构成T树型网络结构;
基于所述T树型网络结构构建数据池;
其中,所述数据库可识别标识符包括:配网拓扑、配网基础业务。
优选的,将所述数据池进行存储包括:将所有数据池统一存储形成综合数据仓库。
优选的,所述基于所述标识符序列,构建索引树,并将所述索引树与所述数据池中的数据建立对应关系,包括:
基于所述标识符序列的标识将所述索引树与所述数据池建立业务逻辑关系;
基于所述逻辑关系建立对应集;
将所述标识符、所述标识符对应的网络数据、所述网络数据对应的业务以及逻辑关系进行关联。
优选的,所述将从微型同步相量测量装置获取的数据进行业务分类,构建网格化数据矩阵,包括:
基于微型同步相量测量装置获取的数据进行精准业务分类模型的构建;
基于所述精准业务分类模型,对所述数据按照业务类型进行分类处理,并构建各业务类型的数据单元格;
将分类后的数据存储于对应的所述数据单元格中;
基于所述数据单元格,构建网格化数据矩阵。
优选的,所述基于微型同步相量测量装置获取的数据进行精准业务分类模型的构建,包括:
从微型同步相量测量装置获取的数据通过聚类分析,得到各类业务的数据的凝聚中心位置信息;
按照设定次数重复上述步骤,得到各类业务的能聚中心位置信息集合;
基于所述凝聚中心位置信息集合,获得各类业务的凝聚中心位置信息的收敛位置信息,完成所述精准业务分类模型的构建。
优选的,所述基于所述精准业务分类模型,对所述数据按照业务类型进行分类处理,并构建各业务类型的数据单元格,包括:
基于所述精准业务分类模型构建三维数据单元格;
基于所述三维数据单元格,将X轴赋予指标内容,包括电压、电流或功率;
基于所述三维数据单元格,将Y轴赋予业务内容,包括故障定位、电压分析或动态监测;
基于所述三维数据单元格,将Z轴赋予数据信息内容;
由所述X轴、Y轴和Z轴共同确定数据单元格。
一种多维数据网荷存储系统,包括:
网格化数据矩阵构建模块:将从微型同步相量测量装置获取的数据进行业务分类,构建网格化数据矩阵;
T树构建模块:基于所述网格化数据矩阵构建字段式数据列,并通过标识符进行分隔,然后按照T树构建方式形成数据池,并将所述数据池进行存储;其中每个数据池中的数据与T树节点按照关系进行对应;
关联模块:基于所述标识符序列,构建索引树,并将所述索引树与所述数据池中的数据建立对应关系。
优选的,所述T树构建模块,包括:
标识子模块:在内存中,基于所述网格化数据矩阵构建字段式数据列,通过数据库可识别标识符进行分隔,得到标识数据列;
标识存储子模块:将所有标识数据存储于内存数据库中;
T树构建子模块:在内存数据库中将所述数据序列单元按照T树建立左、右子节点,将左子节点中存储当前标识数据列中的业务类型,右子节点中存储当前标识数据列的数据参数,所述左子节点和所述右子节点构成T树型网络结构;
数据池构建子模块:基于所述T树型网络结构构建数据池;
其中,所述数据库可识别标识符包括:配网拓扑、配网基础业务。
优选的,所述T树构建模块还包括同一存储子模块:将所有数据池统一存储形成综合数据仓库。
优选的,所述关联模块,包括:
业务逻辑关系构建子模块:基于所述标识符序列的标识将所述索引树与所述数据池建立业务逻辑关系;
对应集构建子模块:基于所述逻辑关系建立对应集;
关联子模块:将所述标识符、所述标识符对应的网络数据、所述网络数据对应的业务以及逻辑关系进行关联。
优选的,所网格化数据矩阵构建模块,包括:
精准业务模型构建子模块:基于微型同步相量测量装置获取的数据进行精准业务分类模型的构建;
数据单元格构建子模块:基于所述精准业务分类模型,对所述数据按照业务类型进行分类处理,并构建各业务类型的数据单元格;
第二存储子模块:将分类后的数据存储于对应的所述数据单元格中;
网格化数据矩阵构建子模块:基于所述数据单元格,构建网格化数据矩阵。
与现有技术相比,本发明的有益效果为:一种多维数据网荷存储方法与系统,包括:将从微型同步相量测量装置获取的数据进行业务分类,构建网格化数据矩阵;基于所述网格化数据矩阵构建字段式数据列,并通过标识符进行分隔,然后按照T树构建方式形成数据池,并将所述数据池进行存储;其中每个数据池中的数据与T树节点按照关系进行对应;基于所述标识符序列,构建索引树,并将所述索引树与所述数据池中的数据建立对应关系。。通过构建的T树索引与网络矩阵共同的数据存储方法,解决了在处理大量微型PMU数据时,由于存储限制而导致资源响应的问题,以及在T树设定的业务策略信息,本方法针对大量PMU采集相量数据进行合理化分解,实现数据存储与分析的快速支撑,有效提升配网分析工作时针对业务与数据的响应需求信息,提高存储效率与分析准确性与可靠性。
附图说明
图1为本发明的多维数据网荷矩阵模式存储和T树索引方法及系统方法流程;
图2为本发明的数据网格矩阵模式存储和T树索引实现方法流程图。
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。
实施例1:
本发明提供的一种配电网线损数据校验与修正方法,如图1所示:
S1:将从微型同步相量测量装置获取的数据进行业务分类,构建网格化数据矩阵:
根据微型PMU装置采集数据量,进行业务逻辑初始化分类,由于微型PMU装置采集数据点量大,达到秒级数据,1秒钟时间,数据吞吐接收量达到上千条数据的采集,所以在采集业务分类的基础上,通过设定简单业务分类模型,通过聚类分析将所有收集指标数据,通过自主训练,按就近原则将其余记录向凝聚点凝集,计算出各个初始分类的中心位置,用计算出的中心位置重新进行聚类,如此反复循环,直到凝聚点位置收敛为止,从而更精确的对业务指标进行定位。将指标数据进行聚类以后,在应用决策树方法进行预测,决策树是一个预测模型;他代表的是对象属性与对象值之间的一种映射关系。而树中每个节点表示某个对象,而每个分叉路径则代表的某个可能的属性值,而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值,从而通过以上学习训练方法分类进行匹配,建立精准业务数据分类模型。
将微型同步相量装置采集数据进行网格化处理,由于数据量多,所以构建X轴表示指标电压、电流、功率等、Y轴表示业务故障定位、电压分析、动态监测等、Z轴表示数据信息,通过单一数据单元格,构建整体网格化数据矩阵,数据矩阵将数据以多维方式进行初始定位存储,多源数据整体构成了业务的整体矩阵,实现矩阵方式的专向存储。
S2:基于所述网格化数据矩阵构建字段式数据列,并通过标识符进行分隔,然后按照T树构建方式形成数据池,并将所述数据池进行存储;其中每个数据池中的数据与T树节点按照关系进行对应:
由统一形成的网格矩阵数据构建出字段式数据列,通过数据库可识别标识符进行分隔,将网格化标识构建的数据形成标识数据列,将数据列推送至基于全部数据在内存中重新设计体系结构,构建数据缓存、快速算法的内存数据库中,在内存数据库中将数据序列单元按照T树建立左、右子节点,将左子节点中存储数据为小于当前节点中的最小数据的标识数据列对应,右子节点中存储大于节点数据的字段式数据列构成一棵T树型网络结构,因为数据采集点的动态增量会增多(采集点的动态增加由采集装置的心跳产生),这样做的目的是使每个数据池的存储大小可以动态分配。
用一个K维数组来表示通过T树构建的序列组成的数据网格目录,这些相量装置采集的数据关键点,通过不同序列排序构建出数据资源集合,组成按业务逻辑组成的数据池元,将多个数据池统一形成综合数据仓库。
S3:基于所述标识符序列,构建索引树,并将所述索引树与所述数据池中的数据建立对应关系:
在T树组成的数据网络结构中,通过内存数据库构建的标识符序列,搭建成为索引树,由于数据的初始状态与业务相关,通过数据意义来设计业务指标标识,通过指标标识建立业务逻辑关系,包括配网拓扑、配网基础业务等等,将这些标识建立网络对应集,通过将标识、数据、业务、逻辑通过对等关系一一关联,将T树构建的索引树进行关系一一对应,将索引树的中的数据赋予业务。
通过第一步构建的数据模型,与数据池组成多维数据网格矩阵,解决数据间关系维度问题,将网格矩阵中的数据业务指标与T树对应,分别将T树索引与指标关联,这样做就是为了实现内存库中索引非单一性问题,解决了业务非单一指标构成与业务指标交叉引起的多源数据存储引起的资源多重占用(业务与指标关联,但指标会关系多重业务,目前业务中指标会形成多渠道存储,即交接指标会在数据存储中多重存储)。
实施例2:基于同一种发明构思,本发明还提供了一种多维数据网荷存储系统,包括:
网格化数据矩阵构建模块:将从微型同步相量测量装置获取的数据进行业务分类,构建网格化数据矩阵;
T树构建模块:基于所述网格化数据矩阵构建字段式数据列,并通过标识符进行分隔,然后按照T树构建方式形成数据池,并将所述数据池进行存储;其中每个数据池中的数据与T树节点按照关系进行对应;
关联模块:基于所述标识符序列,构建索引树,并将所述索引树与所述数据池中的数据建立对应关系。
所述T树构建模块,包括:
标识子模块:在内存中,基于所述网格化数据矩阵构建字段式数据列,通过数据库可识别标识符进行分隔,得到标识数据列;
标识存储子模块:将所有标识数据存储于内存数据库中;
T树构建子模块:在内存数据库中将所述数据序列单元按照T树建立左、右子节点,将左子节点中存储当前标识数据列中的业务类型,右子节点中存储当前标识数据列的数据参数,所述左子节点和所述右子节点构成T树型网络结构;
数据池构建子模块:基于所述T树型网络结构构建数据池;
其中,所述数据库可识别标识符包括:配网拓扑、配网基础业务。
所述T树构建模块还包括同一存储子模块:将所有数据池统一存储形成综合数据仓库。
所述关联模块,包括:
业务逻辑关系构建子模块:基于所述标识符序列的标识将所述索引树与所述数据池建立业务逻辑关系;
对应集构建子模块:基于所述逻辑关系建立对应集;
关联子模块:将所述标识符、所述标识符对应的网络数据、所述网络数据对应的业务以及逻辑关系进行关联。
所述网格化数据矩阵构建模块,包括:
精准业务模型构建子模块:基于微型同步相量测量装置获取的数据进行精准业务分类模型的构建;
数据单元格构建子模块:基于所述精准业务分类模型,对所述数据按照业务类型进行分类处理,并构建各业务类型的数据单元格;
第二存储子模块:将分类后的数据存储于对应的所述数据单元格中;
网格化数据矩阵构建子模块:基于所述数据单元格,构建网格化数据矩阵。
所述精准业务模型构建子模块,包括:
中心位置信息获取单元:从微型同步相量测量装置获取的数据通过聚类分析,得到各类业务的数据的凝聚中心位置信息;
中心位置集合获取单元:按照设定次数重复上述步骤,得到各类业务的能聚中心位置信息集合;
精准业务分类模型构建单元:基于所述凝聚中心位置信息集合,获得各类业务的凝聚中心位置信息的收敛位置信息,完成所述精准业务分类模型的构建。
所述数据单元格构建子模块,包括:
三维数据单元格构建单元:基于所述精准业务分类模型构建三维数据单元格;
X轴构建单元:基于所述三维数据单元格,将X轴赋予指标内容,包括电压、电流或功率;
Y轴构建单元:基于所述三维数据单元格,将Y轴赋予业务内容,包括故障定位、电压分析或动态监测;
Z轴构建单元:基于所述三维数据单元格,将Z轴赋予数据信息内容;
由所述X轴、Y轴和Z轴共同确定数据单元格。
实施例3:
根据本发明提供的一种多维数据网荷存储方法构建多维数据网荷存储于T树索引步骤:
构建数据网格,依据业务分类标识关键点与数据通用性建立准则,在数据网格对应索引,以业务、数据、指标进行三维矩阵建设,构将网格矩阵,并根业务与矩阵建立T树模型索引主键。
建立内存库,将微型PMU采集数据点数据进行入内存库操作,在内存数据库中进行以数据形式的内存序列,序列依据数据动态变化。
引入挖掘算法模型,将微型PMU采集数据进行数据计算挖掘计算,将数据进行自助识别,并将分类数据头文件建立索引依赖值,与T树模型索引主键进行对应。
内存数据序列与T树模型匹配,将网格化矩阵与T树数据进行深度匹配,实现整合,将T树三因素合建来T数目录。
将T树目录核心指标应用数据聚类进行深入分析,形成包含电压、电流、功率等业务数据的T树业务节点型分类。
将T树与网格矩阵业务进行关联分析,解决数据间关系维度问题,将网格矩阵中的数据业务指标与T树对应,形成网格化矩阵数据与业务的实时快速匹配与分析。
显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
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 (12)
1.一种多维数据网荷存储方法,其特征在于,包括:
将从微型同步相量测量装置获取的数据进行业务分类,构建网格化数据矩阵;
基于所述网格化数据矩阵构建字段式数据列,并通过标识符进行分隔,然后按照T树构建方式形成数据池,并将所述数据池进行存储;其中每个数据池中的数据与T树节点按照关系进行对应;
基于所述标识符序列,构建索引树,并将所述索引树与所述数据池中的数据建立对应关系。
2.如权利要求1所述的一种多维数据网荷存储方法,其特征在于,所述基于所述网格化数据矩阵构建字段式数据列,并通过标识符进行分隔,然后按照T树构建方式形成数据池,包括:
在内存中,基于所述网格化数据矩阵构建字段式数据列,通过数据库可识别标识符进行分隔,得到标识数据列;
将所有标识数据存储于内存数据库中;
在内存数据库中将所述数据序列单元按照T树建立左、右子节点,将左子节点中存储当前标识数据列中的业务类型,右子节点中存储当前标识数据列的数据参数,所述左子节点和所述右子节点构成T树型网络结构;
基于所述T树型网络结构构建数据池;
其中,所述数据库可识别标识符包括:配网拓扑、配网基础业务。
3.如权利要求1所述的一种多维数据网荷存储方法,其特征在于,将所述数据池进行存储包括:将所有数据池统一存储形成综合数据仓库。
4.如权利要求1所述的一种多维数据网荷存储方法,其特征在于,所述基于所述标识符序列,构建索引树,并将所述索引树与所述数据池中的数据建立对应关系,包括:
基于所述标识符序列的标识将所述索引树与所述数据池建立业务逻辑关系;
基于所述逻辑关系建立对应集;
将所述标识符、所述标识符对应的网络数据、所述网络数据对应的业务以及逻辑关系进行关联。
5.如权利要求1所述的一种多维数据网荷存储方法,其特征在于,所述将从微型同步相量测量装置获取的数据进行业务分类,构建网格化数据矩阵,包括:
基于微型同步相量测量装置获取的数据进行精准业务分类模型的构建;
基于所述精准业务分类模型,对所述数据按照业务类型进行分类处理,并构建各业务类型的数据单元格;
将分类后的数据存储于对应的所述数据单元格中;
基于所述数据单元格,构建网格化数据矩阵。
6.如权利要求5所述的一种多维数据网荷存储方法,其特征在于,所述基于微型同步相量测量装置获取的数据进行精准业务分类模型的构建,包括:
从微型同步相量测量装置获取的数据通过聚类分析,得到各类业务的数据的凝聚中心位置信息;
按照设定次数重复上述步骤,得到各类业务的能聚中心位置信息集合;
基于所述凝聚中心位置信息集合,获得各类业务的凝聚中心位置信息的收敛位置信息,完成所述精准业务分类模型的构建。
7.如权利要求5所述的一种多维数据网荷存储方法,其特征在于,所述基于所述精准业务分类模型,对所述数据按照业务类型进行分类处理,并构建各业务类型的数据单元格,包括:
基于所述精准业务分类模型构建三维数据单元格;
基于所述三维数据单元格,将X轴赋予指标内容,包括电压、电流或功率;
基于所述三维数据单元格,将Y轴赋予业务内容,包括故障定位、电压分析或动态监测;
基于所述三维数据单元格,将Z轴赋予数据信息内容;
由所述X轴、Y轴和Z轴共同确定数据单元格。
8.一种多维数据网荷存储系统,其特征在于,包括:
网格化数据矩阵构建模块:将从微型同步相量测量装置获取的数据进行业务分类,构建网格化数据矩阵;
T树构建模块:基于所述网格化数据矩阵构建字段式数据列,并通过标识符进行分隔,然后按照T树构建方式形成数据池,并将所述数据池进行存储;其中每个数据池中的数据与T树节点按照关系进行对应;
关联模块:基于所述标识符序列,构建索引树,并将所述索引树与所述数据池中的数据建立对应关系。
9.如权利要求8所述的一种多维数据网荷存储系统,其特征在于,所述T树构建模块,包括:
标识子模块:在内存中,基于所述网格化数据矩阵构建字段式数据列,通过数据库可识别标识符进行分隔,得到标识数据列;
标识存储子模块:将所有标识数据存储于内存数据库中;
T树构建子模块:在内存数据库中将所述数据序列单元按照T树建立左、右子节点,将左子节点中存储当前标识数据列中的业务类型,右子节点中存储当前标识数据列的数据参数,所述左子节点和所述右子节点构成T树型网络结构;
数据池构建子模块:基于所述T树型网络结构构建数据池;
其中,所述数据库可识别标识符包括:配网拓扑、配网基础业务。
10.如权利要求8所述的一种多维数据网荷存储系统,其特征在于,所述T树构建模块还包括同一存储子模块:将所有数据池统一存储形成综合数据仓库。
11.如权利要求8所述的一种多维数据网荷存储系统,其特征在于,所述关联模块,包括:
业务逻辑关系构建子模块:基于所述标识符序列的标识将所述索引树与所述数据池建立业务逻辑关系;
对应集构建子模块:基于所述逻辑关系建立对应集;
关联子模块:将所述标识符、所述标识符对应的网络数据、所述网络数据对应的业务以及逻辑关系进行关联。
12.如权利要求8所述的一种多维数据网荷存储系统,其特征在于,所网格化数据矩阵构建模块,包括:
精准业务模型构建子模块:基于微型同步相量测量装置获取的数据进行精准业务分类模型的构建;
数据单元格构建子模块:基于所述精准业务分类模型,对所述数据按照业务类型进行分类处理,并构建各业务类型的数据单元格;
第二存储子模块:将分类后的数据存储于对应的所述数据单元格中;
网格化数据矩阵构建子模块:基于所述数据单元格,构建网格化数据矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811283098.0A CN109669938A (zh) | 2018-10-31 | 2018-10-31 | 一种多维数据网荷存储方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811283098.0A CN109669938A (zh) | 2018-10-31 | 2018-10-31 | 一种多维数据网荷存储方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109669938A true CN109669938A (zh) | 2019-04-23 |
Family
ID=66142491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811283098.0A Pending CN109669938A (zh) | 2018-10-31 | 2018-10-31 | 一种多维数据网荷存储方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109669938A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111026512A (zh) * | 2019-12-15 | 2020-04-17 | 国网辽宁省电力有限公司沈阳供电公司 | 一种基于内存计算的线损分析方法 |
-
2018
- 2018-10-31 CN CN201811283098.0A patent/CN109669938A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111026512A (zh) * | 2019-12-15 | 2020-04-17 | 国网辽宁省电力有限公司沈阳供电公司 | 一种基于内存计算的线损分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105069703B (zh) | 一种电网海量数据管理方法 | |
AU2020101943A4 (en) | A Robust Method for Distributed Traffic Subarea Division | |
CN106202335B (zh) | 一种基于云计算框架的交通大数据清洗方法 | |
CN106547882A (zh) | 一种智能电网中营销大数据的实时处理方法及系统 | |
CN107194533B (zh) | 一种配电网全信息模型构建方法及系统 | |
CN105471647B (zh) | 一种电力通信网故障定位方法 | |
CN109145957A (zh) | 基于大数据的配电网异常指标的识别与处理方法及装置 | |
CN107730394A (zh) | 基于大数据的全景电网多元异构数据融合方法 | |
CN109241169A (zh) | 配电网运行信息多源异构数据融合数据库集成方法 | |
CN109542876A (zh) | 基于Hadoop数据挖掘航空器经验轨迹模型关键因子的提取方法 | |
CN109981326B (zh) | 家庭宽带感知故障定位的方法及装置 | |
CN106503196A (zh) | 云环境下可扩展存储索引结构的构建和查询方法 | |
CN109190672A (zh) | 电力系统运行工况无监督聚类方法及装置 | |
CN112131216B (zh) | 一种基于物模型的输电线路自适应数据库创建方法及装置 | |
CN107391596B (zh) | 一种配电网海量数据融合方法及装置 | |
CN111294841B (zh) | 一种无线网络问题的处理方法、装置及存储介质 | |
CN109583467A (zh) | 一种电力气象数据融合方法和系统 | |
CN106570104A (zh) | 一种流数据的多分区聚类预处理方法 | |
CN109669938A (zh) | 一种多维数据网荷存储方法与系统 | |
CN104299065B (zh) | 一种调度自动化主备系统间模型正确性校验的方法 | |
CN107276807B (zh) | 一种基于社区动态紧密度的层次化网络社区树剪枝方法 | |
CN109614394A (zh) | 一种基于bim的数据处理方法 | |
CN105493050A (zh) | 数据处理装置、数据处理方法及程序 | |
CN115767601A (zh) | 一种基于多维数据的5gc网元自动化纳管方法及装置 | |
CN113852204A (zh) | 一种于数字孪生的变电站三维全景监视系统及方法 |
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 |