基于电力物联网的大数据分析方法、装置及计算机设备
技术领域
本发明涉及电力数据分析技术领域,具体而言,涉及一种基于电力物联网的大数据分析方法、装置及计算机设备。
背景技术
大数据与物联网的结合能够为现代生活带来诸多便利,电力物联网作为物联网领域的其中一个重要应用场景,是实现万物互联的基础。在实际生活中,随着智能电子产品和智能家居的快速发展,现如今的城市居民楼以逐渐步被电力物联网所覆盖。但是,常见的电力物联网技术仅仅在于为人们的生活提供便利例如实现电费的网上缴纳和电力设备的在线报修等。在一些居民密度较大的城市区域,由于不合理的用电行为或者一些突发情况,导致电力线路时常出现过载现象,轻则引发大范围停电,重则引起不必要的人身财产损失。为此,如何基于大数据对用电行为进行分析,确保电力用户的安全、稳定且可靠用电,是现阶段亟需解决的一个技术问题。
发明内容
为了改善上述问题,本发明提供了一种基于电力物联网的大数据分析方法、装置及计算机设备。
本发明实施例的第一方面,提供了一种基于电力物联网的大数据分析方法,应用于计算机设备,所述方法包括:
周期性地获取与所述计算机设备通信连接的每个用电集群对应的集群服务器所上传的用电行为数据集;
分别对各用电行为数据集进行数据特征提取以得到各用电行为数据集的用电数据分布列表;其中,所述对各用电行为数据集进行数据特征提取具体为,预先存储用电数据的类别信息以及为所述类别信息分配对应的数据存储空间,当各用电行为数据集中的目标数据的数据类别所表征的第一信息与所述类别信息所表征的第二信息一致时,将所述目标数据转移至所述类别信息对应的数据存储空间中;
根据各用电行为数据集对应的用电数据分布列表以及各用电行为数据集中的不同数据类别的目标数据在每个数据存储空间中的权重占比确定各用电行为数据集对应的安全等级,将所述安全等级最高的用电行为数据集作为基准数据集;
在设定时长内保持所述基准数据集对应的用电集群为正常集群,并在确定出与所述正常集群存在交集的至少一个目标用电集群时,根据所述至少一个目标用电集群与所述正常集群之间的交集对应的第一用电行为数据分别确定所述正常集群的第一用电稳定权重和所述至少一个目标用电集群的第二用电稳定权重;
根据所述第一用电稳定权重、所述第二用电稳定权重以及每个用电行为数据集对应的每个用电集群中的每个用电终端对应的目标用电行为数据,确定出每个用电集群的用电调度策略并将所述用电调度策略下发至每个用电集群对应的集群服务器,以使所述集群服务器根据所述用电调度策略对用电集群的中的每个用电终端进行控制。
在一种可替换的实施方式中,所述根据各用电行为数据集对应的用电数据分布列表以及各用电行为数据集中的不同数据类别的目标数据在每个数据存储空间中的权重占比确定各用电行为数据集对应的安全等级,包括:
获取各用电行为数据集对应的用电数据分布列表中包括的列表特征信息,根据所述列表特征信息与预设特征信息数据库中的预设特征信息的余弦距离值,确定所述列表特征信息所属的特征信息组;其中,所述预设特征信息数据库包括至少一类特征信息组,每一类特征信息组中包括至少一个预设特征信息;
根据各所述列表特征信息所属的特征信息组,确定出各用电行为数据集中的不同数据类别的目标数据在每个数据存储空间中的权重占比的偏移量,并根据所述偏移量,对各用电行为数据集中的不同数据类别的目标数据在每个数据存储空间中的权重占比进行修正,得到目标权重占比,根据各所述列表特征信息中的用于表征用电频率的数值信息以及各所述列表特征信息对应的用电行为数据集中的不同数据类别的目标数据在每个数据存储空间中的目标权重占比,得到各用电行为数据集对应的安全等级。
在一种可替换的实施方式中,所述根据各所述列表特征信息中的用于表征用电频率的数值信息以及各所述列表特征信息对应的用电行为数据集中的不同数据类别的目标数据在每个数据存储空间中的目标权重占比,得到各用电行为数据集对应的安全等级,包括:
确定各所述列表特征信息的数值信息在各所述列表特征信息的第一信息集中的映射值;当所述映射值从所述第一信息集切换到第二信息集时,获取所述映射值基于所述第一信息集切换到所述第二信息集的映射关系变化向量;
在所述映射关系变化向量中叠加所述映射关系变化向量对应的用电行为数据集中的不同数据类别的目标数据在每个数据存储空间中的目标权重占比,得到第一向量,确定所述第一向量每个向量维度上的向量值与该向量维度对应的所叠加的目标权重占比之间的第一对应关系,其中,该第一对应关系用于表征第一向量和目标权重占比针对用电行为数据集的用电安全性产生的影响因子,所述影响因子根据该第一对应关系中的有向无环图所指代的最后一个标识数值确定;
当在所述第一对应关系所表征的所述标识数值与预设的安全数值之间的差值大于设定阈值时,在所述第一向量中叠加所述映射关系变化向量对应的用电行为数据集中的不同数据类别的目标数据在每个数据存储空间中的权重占比,得到第二向量,确定所述第二向量每个向量维度上的向量值与该向量维度对应的所叠加的权重占比之间的第二对应关系并根据所叠加的目标权重占比和权重占比确定出所述第一向量和所述第二向量之间的重叠率;根据所述重叠值对各所述列表特征信息的数值信息进行加权,并根据加权之后的数值信息确定出各用电行为数据集对应的安全等级;其中,所述重叠率通过对所述第一向量和第二向量对应向量维度上的向量值进行差值计算确定。
在一种可替换的实施方式中,所述根据所述第一用电稳定权重、所述第二用电稳定权重以及每个用电行为数据集对应的每个用电集群中的每个用电终端对应的目标用电行为数据,确定出每个用电集群的用电调度策略,包括:
获取每个用电集群中的每个用电终端与其对应的集群服务器进行通信的接口类型,对所述接口类型在每个用电终端对应的集群服务器中的数据输出方式进行统计,根据统计得到的数据输出方式生成用于表征每个用电集群中的所有用电终端与每个用电集群对应的集群服务器之间的数据异构性的异构列表;
基于所述异构列表,在每个用电集群中的每个用电终端的第一接口端添加第一数据转换协议并在每个用电集群对应的集群服务器的第二接口端添加第二数据转换协议;其中,所述第一数据转换协议和所述第二数据转换协议的数据转换逻辑相反;
将每个用电终端对应的目标用电行为数据按照所述第一数据转换协议转换为第一传输数据,并将每个集群服务器采集到的对应的每个用电终端的用电行为数据按照所述第二数据转换协议转换为第二传输数据;分别将所述第一传输数据和所述第二传输数据发送给对应的目标集群服务器和目标用电终端并采集所述目标集群服务器在接收到所述第一传输数据的第一响应数据以及所述用电终端在接收到所述第二传输数据的第二响应数据;
根据所述第一响应数据确定所述第一用电稳定权重在集群服务器和用电终端之间的第一数据异构因子,根据所述第二响应数据确定所述第二用电稳定权重在集群服务器和用电终端之间的第二数据异构因子;基于所述第一数据异构因子和所述第二数据异构因子确定出每个用电终端在接收其对应的集群服务器的第一控制指令时的基准响应率;其中,所述第一控制指令是集群服务器用于对用电终端进行用电控制的指令;
根据所述第一用电稳定权重、所述第二用电稳定权重以及每个用电行为数据集对应的每个用电集群中的每个用电终端对应的目标用电行为数据确定出当前调度策略,在预设的镜像环境中运行当前调度策略,确定出每个用电终端在接收其对应的集群服务器的第二控制指令时的当前响应率;其中,所述第二控制指令是根据当前调度策略确定的;
确定当前响应率与所述基准响应率的比较结果,根据所述比较结果和当前调度策略,确定所述用电调度策略。
在一种可替换的实施方式中,所述确定当前响应率与所述基准响应率的比较结果,根据所述比较结果和当前调度策略,确定所述用电调度策略,包括:
判断当前响应率是否超过所述基准响应率;
在当前响应率超过所述基准响应率时,将当前调度策略确定为所述用电调度策略;
在当前响应率没有超过所述基准响应率时,根据当前响应率与所述基准响应率之间的差值对所述第一用电稳定权重和所述第二用电稳定权重进行调整,然后返回执行根据所述第一用电稳定权重、所述第二用电稳定权重以及每个用电行为数据集对应的每个用电集群中的每个用电终端对应的目标用电行为数据确定出当前调度策略的步骤,直至当前响应率超过所述基准响应率。
在一种可替换的实施方式中,所述根据当前响应率与所述基准响应率之间的差值对所述第一用电稳定权重和所述第二用电稳定权重进行调整,包括:
确定所述差值所处的响应率区间;其中,所述响应率区间是所述计算机设备预先根据每个集群服务器以及每个集群服务器对应的每个用电终端的通信频次进行响应率的区间划分得到的,每个响应率区间对应的通信频次不同;
判断所述差值所处的响应率区间对应的通信频次是否达到设定频次;若是,增大所述第一用电稳定权重并降低所述第二用电稳定权重;若否,降低所述第一用电稳定权重并增大所述第二用电稳定权重。
在一种可替换的实施方式中,所述方法还包括:将所述用电调度策略进行存储。
本发明实施例的第二方面,提供了一种基于电力物联网的大数据分析装置,包括:
获取模块,用于周期性地获取与计算机设备通信连接的每个用电集群对应的集群服务器所上传的用电行为数据集;
提取模块,用于分别对各用电行为数据集进行数据特征提取以得到各用电行为数据集的用电数据分布列表;其中,所述对各用电行为数据集进行数据特征提取具体为,预先存储用电数据的类别信息以及为所述类别信息分配对应的数据存储空间,当各用电行为数据集中的目标数据的数据类别所表征的第一信息与所述类别信息所表征的第二信息一致时,将所述目标数据转移至所述类别信息对应的数据存储空间中;
确定模块,用于根据各用电行为数据集对应的用电数据分布列表以及各用电行为数据集中的不同数据类别的目标数据在每个数据存储空间中的权重占比确定各用电行为数据集对应的安全等级,将所述安全等级最高的用电行为数据集作为基准数据集;
保持模块,用于在设定时长内保持所述基准数据集对应的用电集群为正常集群,并在确定出与所述正常集群存在交集的至少一个目标用电集群时,根据所述至少一个目标用电集群与所述正常集群之间的交集对应的第一用电行为数据分别确定所述正常集群的第一用电稳定权重和所述至少一个目标用电集群的第二用电稳定权重;
下发模块,用于根据所述第一用电稳定权重、所述第二用电稳定权重以及每个用电行为数据集对应的每个用电集群中的每个用电终端对应的目标用电行为数据,确定出每个用电集群的用电调度策略并将所述用电调度策略下发至每个用电集群对应的集群服务器,以使所述集群服务器根据所述用电调度策略对用电集群的中的每个用电终端进行控制。
本发明实施例的第三方面,提供了一种计算机设备,包括:处理器以及与所述处理器连接的存储器和总线;所述处理器和所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的计算机程序,以执行上述的基于电力物联网的大数据分析方法。
本发明实施例的第四方面,提供了一种可读存储介质,其上存储有程序,该程序被处理器执行时实现上述的基于电力物联网的大数据分析方法。
本发明实施例所提供的基于电力物联网的大数据分析方法、装置及计算机设备,能够对根据周期性获取到的多个集群服务器上传的用电行为数据集进行数据特征提取,从而得到各用电行为数据集的用电数据分布列表,并基于用电数据分布列表确定出正常集群和目标用电集群,从而根据正常集群与目标用电集群对应的第一用电行为数据确定出第一用电稳定权重和第二用电稳定权重,最后根据第一用电稳定权重、第二用电稳定权重以及每个用电行为数据集对应的每个用电集群中的每个用电终端对应的目标用电行为数据,确定出每个用电集群的用电调度策略并进行下发,如此,能够使得集群服务器根据用电调度策略对用电集群中的用电终端进行控制,确保用电集群的安全可靠运行,进而确保电力用户的安全、稳定且可靠用电。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例所提供的一种基于电力物联网的大数据分析系统的架构示意图。
图2为本发明实施例所提供的一种基于电力物联网的大数据分析方法的流程图。
图3为本发明实施例所提供的一种基于电力物联网的大数据分析装置的功能模块框图。
图标:
1-计算机设备;11-获取模块;12-提取模块;13-确定模块;14-保持模块;15-下发模块;
2-用电集群;20-集群服务器;21-用电终端。
具体实施方式
下面将参照附图更详细地描述本发明公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明,而不是对本发明技术方案的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互组合。
发明人经调查和研究发现,现阶段频繁出现的用电安全事故是由于没有对用户的用电行为数据进行分析,且没有为用户提供合理的用电调度策略和直接介入用户的用电终端的控制产生的,为此,本发明实施例提供了一种基于电力物联网的大数据分析方法、装置及计算机设备,能够基于大数据技术对用户的用电行为数据进行分析,进而为用户提供合理的用电调度策略,并在用户没有按照用电调度策略进行用电时对用户的用电终端进行控制,如此,能够确保电力用户的安全、稳定且可靠用电。
请参阅图1,为本发明实施例所提供的一种基于电力物联网的大数据分析系统100的框架示意图,该系统可以包括计算机设备1和多个用电集群2。其中,每个用电集群2可以由多个用电终端21构成。在本是实例中,处于同一个用电集群2的多个用电终端21可以在地理位置上临近,也可以在电力线路的位置上临近,在此不作限定。
进一步地,每个用电集群2分布于目标城市的不同区域,可以理解,每个用电集群2中的用电终端21可以形成一片用电区域。相应地,部分用电集群2对应的用电区域可能会存在交叉,每个用电集群2中的每个用电终端21均与计算机设备1通信。
在本实施例中,计算机设备1可以是具有数据处理和分析功能的电子设备,例如大型计算机、数据处理中心和数据处理服务器等。计算机设备1可以从每个用电终端21处获取用电行为数据,进而对每个用电终端21的用电行为数据进行大数据分析,进而为多个用电集群2分配合理的用电调度策略,还可以对一些用电集群2进行控制,如此,能够确保用电集群2的安全可靠运行,进而确保电力用户的安全、稳定且可靠用电。
在本实施例中,为了确保计算机设备1接收用电行为数据的效率,减少计算机设备1对每个用电终端21的用电行为数据的分类工作量,在本实施例中,可以为每个用电集群2设置一个集群服务器20,用于实时采集并汇总用电集群2中的用电终端21的用电行为数据,得到用电集群2对应的用电行为数据集,然后再将用电行为数据集发送给计算机设备1。
请结合参阅图2,为本发明实施例所提供的基于电力物联网的大数据分析方法的流程图,该方法应用于图1中的计算机设备1,进一步地,该方法具体可以包括以下内容。
步骤S21,周期性地获取与所述计算机设备通信连接的每个用电集群对应的集群服务器所上传的用电行为数据集。
在步骤S21中,所述用电行为数据集中包括所述集群服务器对用电集群中的每个用电终端进行数据采集得到的每个用电终端对应的目标用电行为数据,所述用电集群之间至少有两个用电集群存在交集,所述交集用于表征两个用电集群对应的用电范围存在重叠。
在本实施例中,每个集群服务器20将对应的用电集群2中的每个用电终端21的用电行为数据进行汇总,然后在形成用电行为数据后进行缓存。进一步地,计算机设备1周期性地获取用电行为数据集可以通过以下两种方式实现,当然,在具体实施时,并不限于以下两种方案。
第一种,按照预设的时间间隔从集群服务器20中获取用电行为数据集。在这种情况下,预设的时间间隔可以根据集群服务器20的数量来进行确定,例如,集群服务器20的数量越多,预设的时间间隔可以越长,如此,可以为每个集群服务器20预留出足够的用电行为数据集的传输时间。
第二种,集群服务器20判断是否满足数据集上传条件,在满足数据集上传条件时将用电行为数据集发送给计算机设备1。在这种情况下,数据集上传条件可以用过集群服务器20对应的用电行为数据集的大小进行确定。
例如,可以根据每个集群服务器20的数据传输性能设置一个基准数据大小指标,然后每个集群服务器20根据所生成的用电行为数据集的大小与基准数据大小指标的比较结果来确定是否进行用电行为数据集的上传。
进一步地,若集群服务器20根据所生成的用电行为数据集的大小达到基准数据大小指标,则表征集群服务器20满足数据集上传条件,可以将用电行为数据集进行发送。如此,能够确保集群服务器20每次与计算机设备1通信时所传输的用电行为数据集不会因为数据量过小而浪费传输资源,也不会因为数据量过大而导致用电行为数据集的部分数据的丢失。
步骤S22,分别对各用电行为数据集进行数据特征提取以得到各用电行为数据集的用电数据分布列表;其中,所述对各用电行为数据集进行数据特征提取具体为,预先存储用电数据的类别信息以及为所述类别信息分配对应的数据存储空间,当各用电行为数据集中的目标数据的数据类别所表征的第一信息与所述类别信息所表征的第二信息一致时,将所述目标数据转移至所述类别信息对应的数据存储空间中。
在步骤S22中,可以根据每个数据存储空间中的目标数据的数据大小、数据波动性和数据稳定性得到各用电行为数据集的用电数据分布列表。在本实施例中,各用电行为数据集的不同数据类别的目标数据分布于不同的数据存储空间中,可以理解,每个数据存储空间中存储有不同用电行为数据集对应的目标数据。
步骤S23,根据各用电行为数据集对应的用电数据分布列表以及各用电行为数据集中的不同数据类别的目标数据在每个数据存储空间中的权重占比确定各用电行为数据集对应的安全等级,将所述安全等级最高的用电行为数据集作为基准数据集。
在步骤S23中,不同数据类别的目标数据在每个数据存储空间中的权重占比可以根据该目标数据在每个数据存储空间中的存储空间占用率以及该目标数据与每个数据存储空间中的其他数据的相似度确定。
进一步地,安全等级用于表征用电行为数据集对应的用电集群的用电安全性。在本实施例中,用电安全性对应的参数指标可以包括线路过载率、线路跳闸率和线路烧损率等。
步骤S24,在设定时长内保持所述基准数据集对应的用电集群为正常集群,并在确定出与所述正常集群存在交集的至少一个目标用电集群时,根据所述至少一个目标用电集群与所述正常集群之间的交集对应的第一用电行为数据分别确定所述正常集群的第一用电稳定权重和所述至少一个目标用电集群的第二用电稳定权重。
在步骤S24中,设定时长小于计算机设备1周期性地获取用电行为数据集的周期时长。进一步地,周期时长可以是设定时长的若干倍,如此,能够将计算机设备1获取用电行为数据集的周期性间隔进行利用,从而提高计算机设备1的数据处理效率。
在步骤S24中,第一用电行为数据中携带有用电行为的发生位置,该发生位置位于正常集群对应的用电范围与至少一个目标用电集群对应的用电范围的重叠区域内。
在步骤S24中,用电稳定权重用于表征用电集群中每个用电终端的用电稳定性。进一步地,用电稳定权重越高,表名用电集群中每个用电终端的用电稳定性越好,越不容易出现线路故障和用电终端故障等风险。
步骤S25,根据所述第一用电稳定权重、所述第二用电稳定权重以及每个用电行为数据集对应的每个用电集群中的每个用电终端对应的目标用电行为数据,确定出每个用电集群的用电调度策略并将所述用电调度策略下发至每个用电集群对应的集群服务器,以使所述集群服务器根据所述用电调度策略对用电集群的中的每个用电终端进行控制。
在步骤S25中,用电调度策略中包括针对每个集群服务器20对应的用电集群2中的每个用电终端21的运行时段的建议信息。其中,该建议信息可以根据每个用电终端21的目标用电行为数据得到。
在本实施例中,目标用电行为数据可以包括用电终端21的用电时长、用电时段以及某些具有生物特征信息采集功能的用电终端(例如笔记本电脑、智能家居)所采集到的电力用户的生物特征信息。
在本实施例中,计算机设备1可以根据第一用电稳定权重、第二用电稳定权重以及目标用电行为数据中的用电时长、用电时段和生物特征信息确定出每个用电集群2之前的用电行为,并分析这些用电行为是否可能出现用电风险,然后根据分析结果为每个用电集群2制定对应的用电调度策略。
在本实施例中,每个用电集群2对应的用电调度策略充分考虑了其他用电集群2的用电稳定性和安全性,进一步地,每个集群服务器20在根据对应的用电调度策略对用电集群2中的用电终端21进行控制时,能够将存在交集的用电集群2考虑在内,并对相邻的用电集群2的用电情况进行协调,如此,能够确保用电集群2的安全可靠运行,进而确保电力用户的安全、稳定且可靠用电。
可以理解,通过步骤S21-步骤S25,能够对根据周期性获取到的多个集群服务器上传的用电行为数据集进行数据特征提取,从而得到各用电行为数据集的用电数据分布列表,并基于用电数据分布列表确定出正常集群和目标用电集群,从而根据正常集群与目标用电集群对应的第一用电行为数据确定出第一用电稳定权重和第二用电稳定权重,最后根据第一用电稳定权重、第二用电稳定权重以及每个用电行为数据集对应的每个用电集群中的每个用电终端对应的目标用电行为数据,确定出每个用电集群的用电调度策略并进行下发,如此,能够使得集群服务器根据用电调度策略对用电集群中的用电终端进行控制,确保用电集群的安全可靠运行,进而确保电力用户的安全、稳定且可靠用电。
在本实施例中,安全等级是计算机设备1进行用电调度策略指定的重要参考指标,安全等级的准确确认关乎用电调度策略的准确性和可靠性,为此,在一种可替换的实施方式中,在步骤S23中,所述根据各用电行为数据集对应的用电数据分布列表以及各用电行为数据集中的不同数据类别的目标数据在每个数据存储空间中的权重占比确定各用电行为数据集对应的安全等级,具体可以包括以下内容。
步骤S231,获取各用电行为数据集对应的用电数据分布列表中包括的列表特征信息,根据所述列表特征信息与预设特征信息数据库中的预设特征信息的余弦距离值,确定所述列表特征信息所属的特征信息组;其中,所述预设特征信息数据库包括至少一类特征信息组,每一类特征信息组中包括至少一个预设特征信息。
在本实施例中,余弦距离值可以理解为列表特征信息与预设特征信息的相似度值,其中,列表特征信息和预设特征信息均可以通过多维向量的形式进行展示。
其中,步骤S231中的根据所述列表特征信息与预设特征信息数据库中的预设特征信息的余弦距离值,确定所述列表特征信息所属的特征信息组的步骤,具体可以包括以下步骤。
步骤S2311,执行相似度匹配进程,所述相似度匹配进程包括:根据所述预设特征信息数据库中的第一特征信息组的特征权重,将所述预设特征信息数据库中的特征信息组划分为第一类特征信息组和第二类特征信息组;以及,根据所述第一类特征信息组、所述第二类特征信息组、以及所述列表特征信息与每个所述预设特征信息之间的余弦距离值,获取所述列表特征信息的列表特征权重值。
其中,所述第一特征信息组为所述预设特征信息数据库中的任一种特征权重的特征信息组;所述第一特征信息组所包括的预设特征信息属于所述第一类特征信息组,所述预设特征信息数据库中除所述第一特征信息组之外的其它特征信息组所包括的预设特征信息属于所述第二类特征信息组;
步骤S2312,当所述列表特征权重值大于设定数值时,确定所述列表特征信息属于所述第一特征信息组;当所述列表特征权重值不大于所述时,将所述预设特征信息数据库中的其它特征权重的特征信息组中任一种作为新的第一特征信息组,返回执行相似度匹配进程的步骤,以根据所述新的第一特征信息组获得新的第一类特征信息组和新的第二类特征信息组,并根据所述新的第一类特征信息组、所述新的第二类特征信息组、以及所述列表特征信息与每个所述预设特征信息之间的余弦距离值,获取所述列表特征信息的新的列表特征权重值,直至所述新的列表特征权重值大于所述设定数值为止,确定所述列表特征信息属于所述新的第一特征信息组。
在步骤S2311中,所述根据所述第一类特征信息组、所述第二类特征信息组、以及所述列表特征信息与每个所述预设特征信息之间的余弦距离值,获取所述列表特征信息的列表特征权重值,具体可以包括以下内容。
确定所述第一类特征信息组的信息收敛系数以及所述第二类特征信息组的信息收敛系数,根据所述第一类特征信息组的信息收敛系数、所述第二类特征信息组的信息收敛系数、以及所述列表特征信息与每个所述预设特征信息之间的余弦距离值,获取所述列表特征信息的列表特征权重值。
在本实施例中,所述第一类特征信息组的信息收敛系数等于属于正数的第一基准值,所述第二类特征信息组的信息收敛系数等于属于负数的第二基准值,所述第一基准值与所述第二基准值的绝对值相同。
步骤S232,根据各所述列表特征信息所属的特征信息组,确定出各用电行为数据集中的不同数据类别的目标数据在每个数据存储空间中的权重占比的偏移量,并根据所述偏移量,对各用电行为数据集中的不同数据类别的目标数据在每个数据存储空间中的权重占比进行修正,得到目标权重占比,根据各所述列表特征信息中的用于表征用电频率的数值信息以及各所述列表特征信息对应的用电行为数据集中的不同数据类别的目标数据在每个数据存储空间中的目标权重占比,得到各用电行为数据集对应的安全等级。
在步骤S232中,安全等级可以通过位于设定数值区间内的数值进行表示。例如,设定数值区间可以为[0,10],其中,数值越大,表征安全等级越大。
可以理解,通过步骤S231-步骤S232,能够获取用电数据分布列表对应的列表特征信息,然后基于预设特征信息数据库对列表特征信息进行分析,从而确定出列表特征信息所属的特征信息组,进而确定出权重占比的偏移量以实现对权重占比的修正,最后根据列表特征信息中的数值信息以及目标权重占比得到各用电行为数据集对应的安全等级,如此,能够确保安全等级的准确性。
进一步地,在步骤S2311-步骤S2312中,能够基于重复执行的相似度匹配进程准确确定出列表特征信息所述的特征信息组,从而为确保偏移量提供准确的数据基础。
在具体实施时,在步骤S232中,所述根据各所述列表特征信息中的用于表征用电频率的数值信息以及各所述列表特征信息对应的用电行为数据集中的不同数据类别的目标数据在每个数据存储空间中的目标权重占比,得到各用电行为数据集对应的安全等级,具体可以包括以下内容。
步骤S2321,确定各所述列表特征信息的数值信息在各所述列表特征信息的第一信息集中的映射值;当所述映射值从所述第一信息集切换到第二信息集时,获取所述映射值基于所述第一信息集切换到所述第二信息集的映射关系变化向量。
在步骤S2321中,所述数值信息在所述第一信息集中的映射值与各所述列表特征信息的第一信息集之间具有特征第一对应关系。进一步地,第一信息集可以是列表特征信息中出现次数最多的信息集,第二信息集可以是列表特征信息中出现次数最少的信息集。
步骤S2322,在所述映射关系变化向量中叠加所述映射关系变化向量对应的用电行为数据集中的不同数据类别的目标数据在每个数据存储空间中的目标权重占比,得到第一向量,确定所述第一向量每个向量维度上的向量值与该向量维度对应的所叠加的目标权重占比之间的第一对应关系,其中,该第一对应关系用于表征第一向量和目标权重占比针对用电行为数据集的用电安全性产生的影响因子,所述影响因子根据该第一对应关系中的有向无环图所指代的最后一个标识数值确定。
步骤S2323,当在所述第一对应关系所表征的所述标识数值与预设的安全数值之间的差值大于设定阈值时,在所述第一向量中叠加所述映射关系变化向量对应的用电行为数据集中的不同数据类别的目标数据在每个数据存储空间中的权重占比,得到第二向量,确定所述第二向量每个向量维度上的向量值与该向量维度对应的所叠加的权重占比之间的第二对应关系并根据所叠加的目标权重占比和权重占比确定出所述第一向量和所述第二向量之间的重叠率;根据所述重叠值对各所述列表特征信息的数值信息进行加权,并根据加权之后的数值信息确定出各用电行为数据集对应的安全等级;其中,所述重叠率通过对所述第一向量和第二向量对应向量维度上的向量值进行差值计算确定。
在本实施例中,通过步骤S2321-步骤S2323,能够准确确定出各用电行为数据集对应的安全等级。
在实际应用中,为了确保每个用电集群能够准确根据用电调度策略控制每个用电集群的每个用电终端,需要考虑用电调度策略与用电集群中的每个用电终端的异构性,为此,在步骤S25中,所述根据所述第一用电稳定权重、所述第二用电稳定权重以及每个用电行为数据集对应的每个用电集群中的每个用电终端对应的目标用电行为数据,确定出每个用电集群的用电调度策略,具体可以包括以下内容。
步骤S251,获取每个用电集群中的每个用电终端与其对应的集群服务器进行通信的接口类型,对所述接口类型在每个用电终端对应的集群服务器中的数据输出方式进行统计,根据统计得到的数据输出方式生成用于表征每个用电集群中的所有用电终端与每个用电集群对应的集群服务器之间的数据异构性的异构列表。
在步骤S251中,接口类型用于表征同一数据在用电终端中的输出方式和在集群服务器之中的输出方式的差异。可以理解,集群服务器与不同的用电终端属于异构的系统,通过接口类型能够准确地确定出集群服务器与不同的用电终端之间的数据异构关系。
步骤S252,基于所述异构列表,在每个用电集群中的每个用电终端的第一接口端添加第一数据转换协议并在每个用电集群对应的集群服务器的第二接口端添加第二数据转换协议;其中,所述第一数据转换协议和所述第二数据转换协议的数据转换逻辑相反。
步骤S253,将每个用电终端对应的目标用电行为数据按照所述第一数据转换协议转换为第一传输数据,并将每个集群服务器采集到的对应的每个用电终端的用电行为数据按照所述第二数据转换协议转换为第二传输数据;分别将所述第一传输数据和所述第二传输数据发送给对应的目标集群服务器和目标用电终端并采集所述目标集群服务器在接收到所述第一传输数据的第一响应数据以及所述用电终端在接收到所述第二传输数据的第二响应数据。
步骤S254,根据所述第一响应数据确定所述第一用电稳定权重在集群服务器和用电终端之间的第一数据异构因子,根据所述第二响应数据确定所述第二用电稳定权重在集群服务器和用电终端之间的第二数据异构因子;基于所述第一数据异构因子和所述第二数据异构因子确定出每个用电终端在接收其对应的集群服务器的第一控制指令时的基准响应率;其中,所述第一控制指令是集群服务器用于对用电终端进行用电控制的指令。
步骤S255,根据所述第一用电稳定权重、所述第二用电稳定权重以及每个用电行为数据集对应的每个用电集群中的每个用电终端对应的目标用电行为数据确定出当前调度策略,在预设的镜像环境中运行当前调度策略,确定出每个用电终端在接收其对应的集群服务器的第二控制指令时的当前响应率;其中,所述第二控制指令是根据当前调度策略确定的。
步骤S256,判断当前响应率是否超过所述基准响应率;在当前响应率超过所述基准响应率时,将当前调度策略确定为所述用电调度策略;在当前响应率没有超过所述基准响应率时,根据当前响应率与所述基准响应率之间的差值对所述第一用电稳定权重和所述第二用电稳定权重进行调整,然后返回执行根据所述第一用电稳定权重、所述第二用电稳定权重以及每个用电行为数据集对应的每个用电集群中的每个用电终端对应的目标用电行为数据确定出当前调度策略的步骤。
可以理解,通过步骤S251-步骤S256,能够将用电终端和集群服务器之间的数据异构情况考虑在内,进而基于确定出的用电终端的基准响应率和预设的镜像环境对当前调度策略进行运行和修正,如此,能够确保每个用电集群能够准确根据用电调度策略控制每个用电集群的每个用电终端。
在具体实施时,在步骤S256中,所述根据当前响应率与所述基准响应率之间的差值对所述第一用电稳定权重和所述第二用电稳定权重进行调整,具体可以包括以下内容。
步骤S2561,确定所述差值所处的响应率区间;其中,所述响应率区间是所述计算机设备预先根据每个集群服务器以及每个集群服务器对应的每个用电终端的通信频次进行响应率的区间划分得到的,每个响应率区间对应的通信频次不同。
步骤S2562,判断所述差值所处的响应率区间对应的通信频次是否达到设定频次;若是,增大所述第一用电稳定权重并降低所述第二用电稳定权重;若否,降低所述第一用电稳定权重并增大所述第二用电稳定权重。
在本实施例中,通过上述内容,能够实现对第一用电稳定权重和第二用电稳定权重的准确调整。
在上述基础上,计算机设备1还可以将用电调度策略进行存储,用于后期对所生成的用电调度策略的分析,从而提高后续用电调度策略的生成效率。
在上述基础上,请结合参阅图3,为本发明实施例所提供的一种基于电力物联网的大数据分析装置的模块框图,该基于电力物联网的大数据分析装置可以包括以下模块。
获取模块11,用于周期性地获取与计算机设备通信连接的每个用电集群对应的集群服务器所上传的用电行为数据集。
提取模块12,用于分别对各用电行为数据集进行数据特征提取以得到各用电行为数据集的用电数据分布列表;其中,所述对各用电行为数据集进行数据特征提取具体为,预先存储用电数据的类别信息以及为所述类别信息分配对应的数据存储空间,当各用电行为数据集中的目标数据的数据类别所表征的第一信息与所述类别信息所表征的第二信息一致时,将所述目标数据转移至所述类别信息对应的数据存储空间中。
确定模块13,用于根据各用电行为数据集对应的用电数据分布列表以及各用电行为数据集中的不同数据类别的目标数据在每个数据存储空间中的权重占比确定各用电行为数据集对应的安全等级,将所述安全等级最高的用电行为数据集作为基准数据集。
保持模块14,用于在设定时长内保持所述基准数据集对应的用电集群为正常集群,并在确定出与所述正常集群存在交集的至少一个目标用电集群时,根据所述至少一个目标用电集群与所述正常集群之间的交集对应的第一用电行为数据分别确定所述正常集群的第一用电稳定权重和所述至少一个目标用电集群的第二用电稳定权重。
下发模块15,用于根据所述第一用电稳定权重、所述第二用电稳定权重以及每个用电行为数据集对应的每个用电集群中的每个用电终端对应的目标用电行为数据,确定出每个用电集群的用电调度策略并将所述用电调度策略下发至每个用电集群对应的集群服务器,以使所述集群服务器根据所述用电调度策略对用电集群的中的每个用电终端进行控制。
本发明实施例还提供了一种可读存储介质,其上存储有程序,该程序被处理器执行时实现上述的基于电力物联网的大数据分析方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述的基于电力物联网的大数据分析方法。
本实施例中,计算机设备1包括至少一个处理器、以及与处理器连接的至少一个存储器、总线。其中,处理器、存储器通过总线完成相互间的通信。处理器用于调用存储器中的程序指令,以执行上述的基于电力物联网的大数据分析方法。
综上,本发明实施例所提供的一种基于电力物联网的大数据分析方法、装置及计算机设备,能够对根据周期性获取到的多个集群服务器上传的用电行为数据集进行数据特征提取,从而得到各用电行为数据集的用电数据分布列表,并基于用电数据分布列表确定出正常集群和目标用电集群,从而根据正常集群与目标用电集群对应的第一用电行为数据确定出第一用电稳定权重和第二用电稳定权重,最后根据第一用电稳定权重、第二用电稳定权重以及每个用电行为数据集对应的每个用电集群中的每个用电终端对应的目标用电行为数据,确定出每个用电集群的用电调度策略并进行下发,如此,能够使得集群服务器根据用电调度策略对用电集群中的用电终端进行控制,确保用电集群的安全可靠运行,进而确保电力用户的安全、稳定且可靠用电。
本申请是参照根据本申请实施例的方法、云计算机设备(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云计算机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云计算机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。
在一个典型的配置中,云计算机设备包括一个或多个处理器(CPU)、存储器和总线。云计算机设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flashRAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他特征权重的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储云计算机设备或任何其他非传输介质,可用于存储可以被计算云计算机设备匹配的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitorymedia),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者云计算机设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者云计算机设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者云计算机设备中还存在另外的相同要素。
本领域技术人员应明白,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。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。