CN112148893A - 能源分析知识图谱构建方法与能源分析可视化方法 - Google Patents
能源分析知识图谱构建方法与能源分析可视化方法 Download PDFInfo
- Publication number
- CN112148893A CN112148893A CN202011026989.5A CN202011026989A CN112148893A CN 112148893 A CN112148893 A CN 112148893A CN 202011026989 A CN202011026989 A CN 202011026989A CN 112148893 A CN112148893 A CN 112148893A
- Authority
- CN
- China
- Prior art keywords
- data
- energy analysis
- knowledge graph
- entity
- energy
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 189
- 238000010276 construction Methods 0.000 title claims abstract description 30
- 238000007794 visualization technique Methods 0.000 title abstract description 13
- 230000004927 fusion Effects 0.000 claims abstract description 64
- 238000012216 screening Methods 0.000 claims abstract description 50
- 238000012800 visualization Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 25
- 238000013441 quality evaluation Methods 0.000 claims description 24
- 238000013507 mapping Methods 0.000 claims description 7
- 238000013075 data extraction Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000001303 quality assessment method Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 6
- 239000000284 extract Substances 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 8
- 230000008094 contradictory effect Effects 0.000 description 5
- 238000012550 audit Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种能源分析知识图谱构建方法、装置、计算机设备和存储介质以及一种能源分析可视化方法，其中，能源分析知识图谱构建方法根据能源分析档案数据生成数据表单，从数据表单中提取结构化数据，基于结构化数据进行知识融合和融合数据筛选，选取合格的融合数据构建能源分析知识图谱。由于构建有准确的能源分析知识图谱，在该知识图谱中携带有能源分析档案中携带的能源分析数据，并且采用知识图谱的架构形式呈现，能够支持不同种类能源进行横向可视化操作。能源分析可视化方法可以实现不同种类能源进行横向可视化操作。
Description
技术领域
本申请涉及计算机可视化技术领域，特别是涉及一种能源分析知识图谱构建方法、装置、计算机设备和存储介质以及一种能源分析可视化方法。
背景技术
计量自动化系统中，能源分析是指对接入电网的各种类型能源进行综合管理，监测各种能源(统调电厂、地方电厂、分布式能源)接入及数据采集情况，实现上下网电量采集计算，并监测上下网负荷情况。
现有的能源分析模型通过基础档案自动生成，以能源类型进行分类，可以在能源分析模块中查询在线率、报警、电量、负荷、覆盖率、抄表成功率、采集完整率等。但是，现阶段能源分析模型只能实现对各种接入能源及数据采集情况进行上下网电量采集计算，上下网负荷情况监测。
目前对于能源可视化分析领域来说，还没有专门的对不同种类能源进行横向可视化操作的方案。
发明内容
基于此，有必要针对上述技术问题，提供一种能够支持不同种类能源进行横向可视化的能源分析知识图谱构建方法、装置、计算机设备和存储介质；以及一种可以实现不同种类能源进行横向可视化操作的能源分析可视化方法。
一种能源分析知识图谱构建方法，方法包括：
获取能源分析档案数据；
根据能源分析档案数据生成数据表单，提取数据表单中结构化数据；
对结构化数据进行知识融合，得到融合数据；
筛选融合数据中质量评估合格的数据；
根据筛选后的数据构建能源分析知识图谱。
在其中一个实施例中，根据能源分析档案数据生成数据表单，提取数据表单中结构化数据包括：
根据能源分析档案数据生成数据表单；
从数据表单中提取实体标识、实体属性以及实体之间关系，构建实体概念模型，得到结构化数据。
在其中一个实施例中，从数据表单中提取实体标识、实体属性以及实体之间关系，构建实体概念模型，得到结构化数据包括：
从数据表单中提取实体标识、各实体之间的初始关联关系以及实体属性，实体标识包括供能方标识、耗能方标识以及能源运营方标识；
筛选初始关联关系中符合质量评估的关联关系；
根据筛选后的关联关系以及提取的实体标识与实体属性，构建实体概念模型，得到结构化数据。
在其中一个实施例中，对结构化数据进行知识融合，得到融合数据包括：
获取预设开源工具；
调用预设开源工具，将结构化数据转化为RDF三元组数据；
归集、并融合RDF三元组数据，得到融合数据。
在其中一个实施例中，筛选融合数据中质量评估合格的数据包括：
根据预设筛选规则，筛选融合数据中质量评估合格的数据，预设筛选规则包括剔除融合数据中不满足映射关系的数据、剔除数据中的含有不被识别符号的数据、剔除数据中的值为空的数据、剔除融合数据中实体标识重复的数据以及剔除融合数据中实体之间关系矛盾的数据。
在其中一个实施例中，能源分析档案数据包括由独立树节点构成的能源分析档案数据。
一种能源分析知识图谱构建装置，装置包括：
数据获取模块，用于获取能源分析档案数据；
数据提取模块，用于根据能源分析档案数据生成数据表单，提取数据表单中结构化数据；
知识融合模块，用于对结构化数据进行知识融合，得到融合数据；
评估筛选模块，用于筛选融合数据中质量评估合格的数据；
知识图谱构建模块，用于根据筛选后的数据构建能源分析知识图谱。
一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如上述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述的方法的步骤。
上述能源分析知识图谱构建方法、装置、计算机设备和存储介质，根据能源分析档案数据生成数据表单，从数据表单中提取结构化数据，基于结构化数据进行知识融合和融合数据筛选，选取合格的融合数据构建能源分析知识图谱。由于构建有准确的能源分析知识图谱，在该知识图谱中携带有能源分析档案中携带的能源分析数据，并且采用知识图谱的架构形式呈现，能够支持不同种类能源进行横向可视化操作。
另外，本申请还提供一种能源分析可视化方法，方法包括：
接收能源分析查询请求；
读取预设能源分析知识图谱，预设能源分析知识图谱采用如上述方法构建；
根据能源分析查询请求，查询预设能源分析知识图谱，得到查询数据；
可视化推送查询数据。
上述能源分析可视化方法，预设能源分析知识图谱根据能源分析档案数据生成数据表单，从数据表单中提取结构化数据，基于结构化数据进行知识融合和融合数据筛选的方式构建，在该知识图谱中携带有能源分析档案中携带的多种类型能源对象及其对应数据，并且采用知识图谱的架构形式呈现，在接收到能源分析查询请求时，能够从视图角度关联查询，可以实现不同种类能源的横向查询并可视化推送。
附图说明
图1为一个实施例中能源分析知识图谱构建方法的应用环境图；
图2为一个实施例中能源分析知识图谱构建方法的流程示意图；
图3为一个应用实例中用户实体概念示意图；
图4为另一个实施例中能源分析知识图谱构建方法的流程示意图；
图5为一个实施例中能源分析可视化方法的流程示意图；
图6为一个实施例中能源分析知识图谱构建装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
为了进一步详细说明本申请技术方案的技术原理，下面将首先介绍本申请技术提出背景和构思。
深入分析现有能源分析模型发现，由于现有的能源分析模型由独立节点树构成，层次为XX电网公司-地市局-能源类型(小水电/火电/光伏电)-区县局-供电所-用户，使用的数据来源为数据表单，结构是独立节点树，这就导致现阶段只能实现对各种接入能源及数据采集情况进行上下网电量采集计算，上下网负荷情况监测，正是由于存在这样的缺陷导致常规方案无法实现对不同种类能源进行横向可视化操作。由于能源分析领域无法横向分析需要建立能源分析知识图谱的需求，本申请提出解决方法：依托于对能源分析业务逻辑的理解，通过建立能源分析领域各种实体属性和关系，构造能源分析知识图谱，描述真实世界中该领域内在特性，采用自底向上的方法构建能源分析知识图谱。
本申请提供的能源分析知识图谱构建方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。终端102将能源分析档案数据关联数据上传至服务器104，服务器104将各个终端102上传的数据归集，生成能源分析档案数据，服务器104根据能源分析档案数据生成数据表单，提取数据表单中结构化数据；对结构化数据进行知识融合，得到融合数据；筛选融合数据中质量评估合格的数据；根据筛选后的数据构建能源分析知识图谱，服务器104可以将构建的能源分析知识图谱存储下来。
另外，本申请还提供一种能源分析可视化方法，其通用可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。服务器104采取上述能源分析知识图谱构建方法构建有能源分析知识图谱。终端102发送能源分析查询请求至服务器104，服务器104接收能源分析查询请求，读取预设能源分析知识图谱，预设能源分析知识图谱采用如上述方法构建；根据能源分析查询请求，查询预设能源分析知识图谱，得到查询数据；可视化推送查询数据至终端102，终端102将可视化数据呈现给到用户。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种能源分析知识图谱构建方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：
S100：获取能源分析档案数据。
能源分析档案数据是基于能源系统(例如电网系统)在日常运维过程中数据生成的能源分析基础数据，这些数据可以是由终端采集关联的各类能源参数，例如功率、电压、电流、频率等，终端将这些能源参数采集之后上传到服务器进行归集，服务器归集之后按照规范的能源分析档案模板/标准，生成能源分析档案数据。当然服务器也可以直接接收外部打包导入的能源分析档案数据。
S200：根据能源分析档案数据生成数据表单，提取数据表单中结构化数据。
一般来说，能源分析档案数据是由独立树状节点构成的，独立树状节点构成的能源分析数据中数据节点之间的关系是明确且清晰的，根据该能源分析档案数据生成数据表单，在数据表单中记录有节点名称(实体名称)、节点之间关系(实体之间关联关系)以及节点的关联参数(实体属性)，提取数据表单中这些数据得到结构化数据。可以理解，在结构化数据中是携带有实体标识、实体属性以及实体之间关系的。
S300：对结构化数据进行知识融合，得到融合数据。
抽取好数据以后，可以进行知识融合。由于知识库属于关系型数据库，因此在知识融合时可以采用资源描述框架(RDF)作为数据模型。具体来说，可以采用开源工具把原来的关系数据库的数据一次性批量转化成RDF的三元组数据，该数据转换过程被称为RDB2RDF；也可以由人工抽取特定数据做成三元组数据人工输入知识库。经过融合后，实体概念中包含有多种类型三元数据，例如图3所示的用户实体概念图中包含了两类三元组数据：(实体1，关系，实体2)和(实体2，属性，值)。比如：(水电，能源类型，用户)和(用户，用户编号，编号值XXX)。更具体来说，上述开源工具是预加的工具，其具体可以为Triplify,D2RServer,OpenLink Virtuoso,SparqlMap等。
S400：筛选融合数据中质量评估合格的数据。
在融合数据中可能存在质量不合格的数据，为了提高能源分析知识图谱的准确性，以使最终能够支持能源分析可视化，在这里筛选融合数据中质量评估合格的数据，剔除掉质量评估不合格的数据。上述筛选过程可以由服务器直接基于预设筛选规则进行，还可以将融合数据推送至第三方专家平台或推送至专家，由第三方专家平台或专家基于专家经验数据进行筛选。具体来说，筛选是基于预设筛选规则进行的，预设筛选规则包括剔除融合数据中不满足映射关系的数据、剔除数据中的含有不被识别符号的数据、剔除数据中的值为空的数据、剔除融合数据中实体标识重复的数据以及剔除融合数据中实体之间关系矛盾的数据。
在实际应用中，对于经过知识融合的融合数据，为了保证知识库的准确性，数据需要经过质量评估之后(可以需要人工参与甄别或由服务器基于预设筛选规则完成)，才能将合格的部分加入到知识库中。对于概念层知识，比如需要专家团队进行专业审核后，才可以确定各个供电公司之间的组织关系然后知识入库。对于一些容易具有歧义的属性和值也要进行人工核对或服务器自动核验后再入库。更进一步来说，质量评估旨在保证知识质量，通过服务器可以识别数据层质量，比如判断通过实体关系是否满足映射关系、是否出现同名实体、实体间关系是否矛盾(比如：当一对一关系时，出现同一用户关联两个供电所)，数据值是否出现不可识别或无关的符号(例如*？X@#％)，而人工评估可以参考能源系统运行业务规则或行业指导文件等经验进行。
S500：根据筛选后的数据构建能源分析知识图谱。
根据筛选后的融合数据构建能源分析知识图谱。具体来说，可以将S400筛选得到的数据放入知识库中，待合格的融合数据全部入库之后，对知识库进行加工，构建能源分析知识图谱。可以理解，在融合数据中携带有表征实体、实体属性以及实体之间关系的数据，基于这些数据以每个实体作为节点、以实体属性作为节点的属性数据、并且基于实体之间关系作为节点之间关系，按照知识图谱的架构，可以构建得到能源分析知识图谱。
上述能源分析知识图谱构建方法，根据能源分析档案数据生成数据表单，从数据表单中提取结构化数据，基于结构化数据进行知识融合和融合数据筛选，选取合格的融合数据构建能源分析知识图谱。由于构建有准确的能源分析知识图谱，在该知识图谱中携带有能源分析档案中携带的能源分析数据，并且采用知识图谱的架构形式呈现，能够支持不同种类能源进行横向可视化操作。
如图4所示，在其中一个实施例中，步骤S200包括：
S220：根据能源分析档案数据生成数据表单。
S240：从数据表单中提取实体标识、实体属性以及实体之间关系，构建实体概念模型，得到结构化数据。
进一步来说，上述步骤S240包括：从数据表单中提取实体标识、各实体之间的初始关联关系以及实体属性，实体标识包括供能方标识、耗能方标识以及能源运营方标识；筛选初始关联关系中符合质量评估的关联关系；根据筛选后的关联关系以及提取的实体标识与实体属性，构建实体概念模型，得到结构化数据。
实体标识可以包括供能方标识、耗能方标识以及能源运营方标识，供能方标识可以为发电站名称(代号、以及用于表征身份标识的数据均可)；耗能方标识即能源系统中消耗能源一方的标识，常见的用电用户；能源运营方标识即能源系统中管理运营方的标识，常见的电力公司等。为便于说明实体概念模型，下面将借助图3所示的某一电网实体概念模型详细描述。在基于能源分析档案数据生成数据表单后，从数据表中实体标识、实体属性以及实体之间关系，构建实体概念模型，得到结构化数据。例如图3所示应用场景时，先进行实体提取：把XX电网公司、地市局、能源类型(小水电/火电/光伏电)、区县局、供电所、用户分别作为实体从数据表单中抽取出来，图3抽取实体为供电所、水电、用户；再进行实体关系提取：实体关系可以通过审核后再确定，审核可以是专业团队专家团队进行人工审核或服务器基于预设要求审核，从而定义以上实体之间的关联关系，最终形成能源领域网状知识结构，图3定义了供电所、水电、用户三种实体之间的关系；采集实体的属性和值：当设计用户作为实体时，设计其属性见图3，属性为用电量、用户编号、用户名称、终端逻辑地址、终端资产编号，表计资产编号，需要从数据表单中抽取这些数据值作为属性的值保存到图谱库(知识库)中，也要为每个实体从数据表单中抽取对应的属性和值保存到图谱库(知识库)中。
另外，如图5所示，本申请还提供一种能源分析可视化方法，方法包括：
S620：接收能源分析查询请求。
S640：读取预设能源分析知识图谱，预设能源分析知识图谱采用如上述方法构建。
S660：根据能源分析查询请求，查询预设能源分析知识图谱，得到查询数据。
S680：可视化推送查询数据。
上述能源分析可视化方法，预设能源分析知识图谱根据能源分析档案数据生成数据表单，从数据表单中提取结构化数据，基于结构化数据进行知识融合和融合数据筛选的方式构建，在该知识图谱中携带有能源分析档案中携带的多种类型能源对象及其对应数据，并且采用知识图谱的架构形式呈现，在接收到能源分析查询请求时，能够从视图角度关联查询，因此可以实现不同种类能源的横向可视化查询推送。
在实际应用中，用户发起查询，知识库搜索会借助知识图谱展示返回结果，知识图谱从知识库已有的实体关系出发从而拓展和展现丰富的知识网络。进一步上述拓展过程可以是经过计算机推理，建立实体间的新关联来实现。另外，也可以从现有的知识发现新的知识，知识推理的对象不局限于实体间的关系，也可以是实体的属性。例如(水电，能源类型，用户编号)→(水电，能源类型，用户)、(实体1，组织结构1，实体2)，(实体2，组织结构1，实体3)→(实体1，组织结构1，实体3)。具体来说，上述计算机推理过程是服务器应用计算机逻辑推理知识，执行预先加载的推理逻辑语句，比如If(实体1，关系1，实体2)&(关系1，关系，关系2)→(实体1，关系2，实体2)，通过执行多条预先编写的推理语句完成上述逻辑推理过程，即简单来说上述计算机推理过程是服务器读取预设的推理逻辑语句完成的。另外，在实际应用中，上述预设能源分析知识图谱还支持更新，主要支持2种更新，一是概念层更新，需要专业团队专家团队进行人工审核；二是数据层更新，在不改变原先概念设计的情况下，通过数据库操作进行新增或更新实体、关系及属性。
应该理解的是，虽然图2、图4以及图5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、图4以及图5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
如图6所示，一种能源分析知识图谱构建装置，装置包括：
数据获取模块100，用于获取能源分析档案数据；
数据提取模块200，用于根据能源分析档案数据生成数据表单，提取数据表单中结构化数据；
知识融合模块300，用于对结构化数据进行知识融合，得到融合数据；
评估筛选模块400，用于筛选融合数据中质量评估合格的数据；
知识图谱构建模块500，用于根据筛选后的数据构建能源分析知识图谱。
上述能源分析知识图谱构建装置，根据能源分析档案数据生成数据表单，从数据表单中提取结构化数据，基于结构化数据进行知识融合和融合数据筛选，选取合格的融合数据构建能源分析知识图谱。由于构建有准确的能源分析知识图谱，在该知识图谱中携带有能源分析档案中携带的能源分析数据，并且采用知识图谱的架构形式呈现，能够支持不同种类能源进行横向可视化操作。
在其中一个实施例中，数据提取模块200还用于根据能源分析档案数据生成数据表单；从数据表单中提取实体标识、实体属性以及实体之间关系，构建实体概念模型，得到结构化数据。
在其中一个实施例中，数据提取模块200还用于从数据表单中提取实体标识、各实体之间的初始关联关系以及实体属性，实体标识包括供能方标识、耗能方标识以及能源运营方标识；筛选初始关联关系中符合质量评估的关联关系；根据筛选后的关联关系以及提取的实体标识与实体属性，构建实体概念模型，得到结构化数据。
在其中一个实施例中，知识融合模块300还用于获取预设开源工具；调用预设开源工具，将结构化数据转化为RDF三元组数据；归集、并融合RDF三元组数据，得到融合数据。
在其中一个实施例中，评估筛选模块400还用于根据预设筛选规则，筛选融合数据中质量评估合格的数据，预设筛选规则包括剔除融合数据中不满足映射关系的数据、剔除数据中的含有不被识别符号的数据、剔除数据中的值为空的数据、剔除融合数据中实体标识重复的数据以及剔除融合数据中实体之间关系矛盾的数据。
在其中一个实施例中，能源分析档案数据包括由独立树节点构成的能源分析档案数据。
另外，本申请还提供一种能源分析可视化装置，装置包括：
请求接收模块，用于接收能源分析查询请求；
读取模块，用于读取预设能源分析知识图谱，预设能源分析知识图谱采用如上述方法构建；
查询模块，用于根据能源分析查询请求，查询预设能源分析知识图谱，得到查询数据；
推送模块，用于可视化推送查询数据。
上述能源分析可视化装置，预设能源分析知识图谱根据能源分析档案数据生成数据表单，从数据表单中提取结构化数据，基于结构化数据进行知识融合和融合数据筛选的方式构建，在该知识图谱中携带有能源分析档案中携带的多种类型能源对象及其对应数据，并且采用知识图谱的架构形式呈现，在接收到能源分析查询请求时，能够从视图角度关联查询，因此可以实现不同种类能源的横向查询并可视化推送。
关于能源分析知识图谱构建装置的具体限定可以参见上文中对于能源分析知识图谱构建方法的限定，在此不再赘述。上述能源分析知识图谱构建装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储历史能源分析档案数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种能源分析知识图谱构建方法。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
获取能源分析档案数据；
根据能源分析档案数据生成数据表单，提取数据表单中结构化数据；
对结构化数据进行知识融合，得到融合数据；
筛选融合数据中质量评估合格的数据；
根据筛选后的数据构建能源分析知识图谱。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据能源分析档案数据生成数据表单；从数据表单中提取实体标识、实体属性以及实体之间关系，构建实体概念模型，得到结构化数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
从数据表单中提取实体标识、各实体之间的初始关联关系以及实体属性，实体标识包括供能方标识、耗能方标识以及能源运营方标识；筛选初始关联关系中符合质量评估的关联关系；根据筛选后的关联关系以及提取的实体标识与实体属性，构建实体概念模型，得到结构化数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取预设开源工具；调用预设开源工具，将结构化数据转化为RDF三元组数据；归集、并融合RDF三元组数据，得到融合数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据预设筛选规则，筛选融合数据中质量评估合格的数据，预设筛选规则包括剔除融合数据中不满足映射关系的数据、剔除数据中的含有不被识别符号的数据、剔除数据中的值为空的数据、剔除融合数据中实体标识重复的数据以及剔除融合数据中实体之间关系矛盾的数据。
另外，在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
接收能源分析查询请求；
读取预设能源分析知识图谱，预设能源分析知识图谱采用如上述方法构建；
根据能源分析查询请求，查询预设能源分析知识图谱，得到查询数据；
可视化推送查询数据。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取能源分析档案数据；
根据能源分析档案数据生成数据表单，提取数据表单中结构化数据；
对结构化数据进行知识融合，得到融合数据；
筛选融合数据中质量评估合格的数据；
根据筛选后的数据构建能源分析知识图谱。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据能源分析档案数据生成数据表单；从数据表单中提取实体标识、实体属性以及实体之间关系，构建实体概念模型，得到结构化数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
从数据表单中提取实体标识、各实体之间的初始关联关系以及实体属性，实体标识包括供能方标识、耗能方标识以及能源运营方标识；筛选初始关联关系中符合质量评估的关联关系；根据筛选后的关联关系以及提取的实体标识与实体属性，构建实体概念模型，得到结构化数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取预设开源工具；调用预设开源工具，将结构化数据转化为RDF三元组数据；归集、并融合RDF三元组数据，得到融合数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据预设筛选规则，筛选融合数据中质量评估合格的数据，预设筛选规则包括剔除融合数据中不满足映射关系的数据、剔除数据中的含有不被识别符号的数据、剔除数据中的值为空的数据、剔除融合数据中实体标识重复的数据以及剔除融合数据中实体之间关系矛盾的数据。
另外，在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
接收能源分析查询请求；
读取预设能源分析知识图谱，预设能源分析知识图谱采用如上述方法构建；
根据能源分析查询请求，查询预设能源分析知识图谱，得到查询数据；
可视化推送查询数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种能源分析知识图谱构建方法，所述方法包括：
获取能源分析档案数据；
根据所述能源分析档案数据生成数据表单，提取所述数据表单中结构化数据；
对所述结构化数据进行知识融合，得到融合数据；
筛选所述融合数据中质量评估合格的数据；
根据筛选后的数据构建能源分析知识图谱。
2.根据权利要求1所述的方法，其特征在于，根据所述能源分析档案数据生成数据表单，提取所述数据表单中结构化数据包括：
根据所述能源分析档案数据生成数据表单；
从所述数据表单中提取实体标识、实体属性以及实体之间关系，构建实体概念模型，得到结构化数据。
3.根据权利要求2所述的方法，其特征在于，从所述数据表单中提取实体标识、实体属性以及实体之间关系，构建实体概念模型，得到结构化数据包括：
从所述数据表单中提取实体标识、各实体之间的初始关联关系以及实体属性；
筛选所述初始关联关系中符合质量评估的关联关系；
根据筛选后的关联关系以及提取的实体标识与实体属性，构建实体概念模型，得到结构化数据。
4.根据权利要求1所述的方法，其特征在于，对所述结构化数据进行知识融合，得到融合数据包括：
获取预设开源工具；
调用所述预设开源工具，将所述结构化数据转化为RDF三元组数据；
归集、并融合所述RDF三元组数据，得到融合数据。
5.根据权利要求1所述的方法，其特征在于，筛选所述融合数据中质量评估合格的数据包括：
根据预设筛选规则，筛选所述融合数据中质量评估合格的数据，所述预设筛选规则包括剔除所述融合数据中不满足映射关系的数据、剔除数据中的含有不被识别符号的数据、剔除数据中的值为空的数据、剔除所述融合数据中实体标识重复的数据以及剔除所述融合数据中实体之间关系矛盾的数据。
6.根据权利要求1所述的方法，其特征在于，所述能源分析档案数据包括由独立树节点构成的能源分析档案数据。
7.一种能源分析可视化方法，所述方法包括：
接收能源分析查询请求；
读取预设能源分析知识图谱，所述预设能源分析知识图谱采用如权利要求1-6任意一项所述方法构建；
根据所述能源分析查询请求，查询所述预设能源分析知识图谱，得到查询数据；
可视化推送所述查询数据。
8.一种能源分析知识图谱构建装置，其特征在于，所述装置包括：
数据获取模块，用于获取能源分析档案数据；
数据提取模块，用于根据所述能源分析档案数据生成数据表单，提取所述数据表单中结构化数据；
知识融合模块，用于对所述结构化数据进行知识融合，得到融合数据；
评估筛选模块，用于筛选所述融合数据中质量评估合格的数据；
知识图谱构建模块，用于根据筛选后的数据构建能源分析知识图谱。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011026989.5A CN112148893A (zh) | 2020-09-25 | 2020-09-25 | 能源分析知识图谱构建方法与能源分析可视化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011026989.5A CN112148893A (zh) | 2020-09-25 | 2020-09-25 | 能源分析知识图谱构建方法与能源分析可视化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112148893A true CN112148893A (zh) | 2020-12-29 |
Family
ID=73897431
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011026989.5A Pending CN112148893A (zh) | 2020-09-25 | 2020-09-25 | 能源分析知识图谱构建方法与能源分析可视化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112148893A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115344717A (zh) * | 2022-10-18 | 2022-11-15 | 国网江西省电力有限公司电力科学研究院 | 面向多类型供用能系统调控运行知识图谱构建方法及装置 |
| CN115544276A (zh) * | 2022-12-01 | 2022-12-30 | 南方电网数字电网研究院有限公司 | 计量装置知识图谱构建方法和计量装置档案核查方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106156365A (zh) * | 2016-08-03 | 2016-11-23 | 北京智能管家科技有限公司 | 一种知识图谱的生成方法及装置 |
| CN109064318A (zh) * | 2018-08-24 | 2018-12-21 | 苏宁消费金融有限公司 | 一种基于知识图谱的互联网金融风险监测系统 |
| CN110277086A (zh) * | 2019-06-25 | 2019-09-24 | 中国科学院自动化研究所 | 基于电网调度知识图谱的语音合成方法、系统及电子设备 |
| CN110489561A (zh) * | 2019-07-12 | 2019-11-22 | 平安科技（深圳）有限公司 | 知识图谱构建方法、装置、计算机设备和存储介质 |
| CN110674311A (zh) * | 2019-09-05 | 2020-01-10 | 国家电网有限公司 | 一种基于知识图谱的电力资产异构数据融合方法 |
| CN111488465A (zh) * | 2020-04-14 | 2020-08-04 | 税友软件集团股份有限公司 | 一种知识图谱构建方法及相关装置 |
| CN111552813A (zh) * | 2020-03-18 | 2020-08-18 | 国网浙江省电力有限公司 | 一种基于电网全业务数据的电力知识图谱构建方法 |
-
2020
- 2020-09-25 CN CN202011026989.5A patent/CN112148893A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106156365A (zh) * | 2016-08-03 | 2016-11-23 | 北京智能管家科技有限公司 | 一种知识图谱的生成方法及装置 |
| CN109064318A (zh) * | 2018-08-24 | 2018-12-21 | 苏宁消费金融有限公司 | 一种基于知识图谱的互联网金融风险监测系统 |
| CN110277086A (zh) * | 2019-06-25 | 2019-09-24 | 中国科学院自动化研究所 | 基于电网调度知识图谱的语音合成方法、系统及电子设备 |
| CN110489561A (zh) * | 2019-07-12 | 2019-11-22 | 平安科技（深圳）有限公司 | 知识图谱构建方法、装置、计算机设备和存储介质 |
| CN110674311A (zh) * | 2019-09-05 | 2020-01-10 | 国家电网有限公司 | 一种基于知识图谱的电力资产异构数据融合方法 |
| CN111552813A (zh) * | 2020-03-18 | 2020-08-18 | 国网浙江省电力有限公司 | 一种基于电网全业务数据的电力知识图谱构建方法 |
| CN111488465A (zh) * | 2020-04-14 | 2020-08-04 | 税友软件集团股份有限公司 | 一种知识图谱构建方法及相关装置 |
Non-Patent Citations (1)
| Title |
|---|
| 王琼;魏军;闫润珍;钱晓东;杨彬;: "知识图谱在智能电网的应用", 电子元器件与信息技术, no. 01, pages 135 - 137 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115344717A (zh) * | 2022-10-18 | 2022-11-15 | 国网江西省电力有限公司电力科学研究院 | 面向多类型供用能系统调控运行知识图谱构建方法及装置 |
| CN115344717B (zh) * | 2022-10-18 | 2023-02-17 | 国网江西省电力有限公司电力科学研究院 | 面向多类型供用能系统调控运行知识图谱构建方法及装置 |
| CN115544276A (zh) * | 2022-12-01 | 2022-12-30 | 南方电网数字电网研究院有限公司 | 计量装置知识图谱构建方法和计量装置档案核查方法 |
| CN115544276B (zh) * | 2022-12-01 | 2023-04-07 | 南方电网数字电网研究院有限公司 | 计量装置知识图谱构建方法和计量装置档案核查方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107402976B (zh) | 一种基于多元异构模型的电网多源数据融合方法及系统 | |
| CN108052634B (zh) | 一种电网生产控制大区与资产管理大区多信息系统的集成方法 | |
| CN110727741A (zh) | 一种电力系统的知识图谱构建方法及系统 | |
| Porteiro et al. | Electricity demand forecasting in industrial and residential facilities using ensemble machine learning | |
| CN112148893A (zh) | 能源分析知识图谱构建方法与能源分析可视化方法 | |
| CN112612908A (zh) | 自然资源知识图谱构建方法、装置、服务器及可读存储器 | |
| CN107944036B (zh) | 一种图谱变化差异的获取方法 | |
| Potdar et al. | Big energy data management for smart grids—Issues, challenges and recent developments | |
| CN113723810A (zh) | 基于图数据库的电网建模方法 | |
| CN107146165B (zh) | 一种配网规划数据管理方法及系统 | |
| Wu et al. | An Auxiliary Decision‐Making System for Electric Power Intelligent Customer Service Based on Hadoop | |
| CN107862459B (zh) | 一种基于大数据的计量设备状态评估方法及系统 | |
| CN107194010B (zh) | 一种面向对象的用电信息管理系统及其方法 | |
| CN116826709A (zh) | 可调节负荷资源与调度主站模型的自动匹配方法、装置、存储介质 | |
| Podkovalnikov et al. | The computing and information system for study of scenarios for interstate power grids expansion | |
| CN115864527A (zh) | 基于云上资源的源网荷储多源数据采集与控制手段汇聚方法 | |
| CN114493262A (zh) | 一种电力大数据的处理系统、方法、装置及计算机设备 | |
| CN110380418B (zh) | 一种基于图分解的牛顿-拉夫逊潮流计算优化方法 | |
| Ma et al. | Grid data asset relationship and intelligent classification integrating knowledge graph and Internet of Things | |
| CN115544276B (zh) | 计量装置知识图谱构建方法和计量装置档案核查方法 | |
| Piyal et al. | Energy demand forecasting using machine learning perspective bangladesh | |
| CN113570345B (zh) | 一种基于施工项目电路图的停电范围自动识别系统 | |
| CN116628275B (zh) | 一种实现图数据库与标准化拓扑双向转换的方法 | |
| Liu et al. | An Information Model of Power Distribution IoT and Its Application | |
| Pan et al. | Research on power grid topology data management technology for multi-temporality |
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 | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: Room 86, room 406, No.1, Yichuang street, Zhongxin Guangzhou Knowledge City, Huangpu District, Guangzhou City, Guangdong Province Applicant after: Southern Power Grid Digital Grid Research Institute Co.,Ltd. Applicant after: CHINA SOUTHERN POWER GRID Co.,Ltd. Address before: Room 86, room 406, No.1, Yichuang street, Zhongxin Guangzhou Knowledge City, Huangpu District, Guangzhou City, Guangdong Province Applicant before: Southern Power Grid Digital Grid Research Institute Co.,Ltd. Country or region before: China Applicant before: CHINA SOUTHERN POWER GRID Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240312 Address after: Room 86, room 406, No.1, Yichuang street, Zhongxin Guangzhou Knowledge City, Huangpu District, Guangzhou City, Guangdong Province Applicant after: Southern Power Grid Digital Grid Research Institute Co.,Ltd. Country or region after: China Address before: Room 86, room 406, No.1, Yichuang street, Zhongxin Guangzhou Knowledge City, Huangpu District, Guangzhou City, Guangdong Province Applicant before: Southern Power Grid Digital Grid Research Institute Co.,Ltd. Country or region before: China Applicant before: CHINA SOUTHERN POWER GRID Co.,Ltd. |
|
| TA01 | Transfer of patent application right |