CN114116667A - 一种电力数据应用场景的数据治理系统 - Google Patents
一种电力数据应用场景的数据治理系统 Download PDFInfo
- Publication number
- CN114116667A CN114116667A CN202111395569.9A CN202111395569A CN114116667A CN 114116667 A CN114116667 A CN 114116667A CN 202111395569 A CN202111395569 A CN 202111395569A CN 114116667 A CN114116667 A CN 114116667A
- Authority
- CN
- China
- Prior art keywords
- data
- index
- sampling
- platform
- layer
- 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
- 238000013523 data management Methods 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000003860 storage Methods 0.000 claims abstract description 13
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 238000005516 engineering process Methods 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims description 50
- 239000008280 blood Substances 0.000 claims description 41
- 210000004369 blood Anatomy 0.000 claims description 41
- 238000007726 management method Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 235000019013 Viburnum opulus Nutrition 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000012098 association analyses Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000013079 data visualisation Methods 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 230000008520 organization Effects 0.000 abstract description 3
- 235000019580 granularity Nutrition 0.000 description 5
- 238000010219 correlation analysis Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009897 systematic 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
-
- 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
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种电力数据应用场景的数据治理系统，包括数据接入平台、数据仓库平台和数据治理平台；数据接入平台：接入源系统数据；数据仓库平台：临时存储并清洗所述源系统数据为遵循数据库第三范式的数据进行分层存储，并支持复杂的分析操作，为所述数据治理平台提供查询结果；数据治理平台：抽取符合业务要求的样例数据，指定数据质量校验规则，并建立数据血缘关系，为异常数据查询源系统数据。与现有技术相比，该发明构建包括数据、应用、技术和组织的四位一体的均衡的数据治理框架体系，解决当前数据管理所面临的问题，提升相关业务域的数据质量，为数据应用提供更加精确、精准的数据，夯实数据基础。
Description
技术领域
本发明涉及数据治理技术领域，尤其是涉及一种电力数据应用场景的数据治理系统。
背景技术
随着电力业务精细化管理的要求逐渐提高，信息化支撑能力不断提升，数据治理已成为业务应用集中建设、大数据应用和智能分析决策应用的重要基石。通过建设数据治理体系，能够实现企业在数据应用方面进一步增强跨业务的综合的智能决策体系，使其与企业战略相一致，与业务系统紧密融合，为企业管理决策层提供更好的辅助支持，加强数据分析应用的可视化展现能力，为管理决策者提供更全面、高效和便捷的智能可视化服务，在数据管理方面优化为更合理的企业级数据架构，使企业数据在清晰的脉络中流转，使系统间的数据交换在一个统一标准的环境下进行，并且建立常态化数据管控机制，以应对更广泛的数据应用需求，以保障企业数据标准、数据质量及数据的安全，支撑顶层智能决策等应用。
近几年，数据治理理念在我国兴起，陆续有企业开始探索实践，开展相关业务，但总体来讲，尚不成熟。数据治理贯穿于数据生命周期的各个环节，不仅包括数据标准的设计、制定、实施和监控，还涉及到相关政策、组织、流程和制度的建立和维护。其核心思想是使数据的获取、存储、运维、应用和共享得到规范化、标准化和流程化处理，最终达到提升数据准确性、一致性和及时性的目的，从而促进数据价值的广泛开发和挖掘，以更好地为企业的生产和运营提供科学的决策和支撑。
目前，电网公司业数据治理工作仍然偏重于技术，各业务条线内虽开展了数据治理相关工作，但推动力度不强，缺乏业务部门之间的相互协调与配合，开展工作主要还停留在现有业务环节的数据质量问题等方面，而对企业级更深层次的数据治理体系建设尚未涉及。数据治理不仅是技术上的治理工作，更是以有效满足自上而下管理的数据使用需求，电力企业的数据治理体系应定位为包括数据、应用、技术和组织的四位一体的均衡的信息化架构的关键一环，从而推动电力企业业务的和谐发展。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提出一种电力数据应用场景的数据治理系统，该发明构建包括数据、应用、技术和组织的四位一体的均衡的数据治理框架体系，解决当前数据管理所面临的问题，提升相关业务域的数据质量，为数据应用提供更加精确、精准的数据，夯实数据基础。
本发明的目的可以通过以下技术方案来实现：
本发明提供一种电力数据应用场景的数据治理系统，包括；
数据接入平台：用以接入源系统数据，所述源系统数据包括结构化数据、日志数据、IOT数据和文件数据；
数据仓库平台：用以临时存储并清洗所述源系统数据为遵循数据库第三范式的数据进行分层存储，并支持复杂的分析操作，为所述数据治理平台提供查询结果；
数据治理平台：用以抽取符合业务要求的样例数据，指定数据质量校验规则，并建立数据血缘关系，为异常数据查询源系统数据。
优选地，所述数据仓库平台包括：
临时存储层：用以临时存储所述源系统数据；
数据仓库层：用以清洗所述源系统数据为遵循数据库第三范式的数据并存储；
数据集市层：用以重新组织并汇总所述数据仓库层的存储数据，用以数据的快速查询、访问和分析；
应用层：用以为所述数据集市层的一个真子集，用以为满足具体的分析需求而构建的数据。
优选地，所述数据仓库层的数据粒度与所述临时存储层的数据粒度相同，所述数据集市层的数据粒度比所述数据仓库层的数据粒度粗。
优选地，所述数据治理平台包括：
基于多模型的数据抽样技术模块：用以从数量上以部分推算总体，并利用概率论和数据统计原理确保推算结果的可靠程度；
基于校验规则的数据质量分析模块：用以为每个关键字段选择与所述关键字段的数据质量管理需求相匹配的数据质量管理维度以及测量指标的计算方法；
数据血缘分析模块：用以追溯异常数据的源系统数据。
优选地，所述基于多模型的数据抽样技术模块的抽样方法包括简单随机抽样、系统抽样、分层抽样、整群抽样、便利抽样、配额抽样、判断抽样和雪球抽样。
优选地，所述基于校验规则的数据质量分析模块包括：
指标关联分析单元：用以定性定量分析基准指标和备选个体指标的关联关系，选取显著影响基准指标波动的个体指标，确定获选个体指标指数计入总体指数的权重；
指标时序数据预处理和趋势预测单元：用以对数据缺失严重、异常奇点繁多的时序数据进行修补，根据基准指标的时序数据对计入总体指数的个体指标的时序数据执行标准化处理；
指数模型构建单元：用以构建扩散指数、合成指数、预测指数、监测指数、信心指数等各类指数模型。
优选地，所述数据血缘分析模块包括：
数据血缘采集单元：用以采集原始数据；
数据血缘解析单元：用以将数据血缘采集单元采集后的数据进行解析、关系连接和识别，并转换为血缘数据进行存储；
数据血缘展现单元：用以将所述血缘数据图形化展现；
数据血缘应用单元：用以反映实体对象之间的数据流关系路径和数据流向链路，为异常数据寻找对应的源系统数据。
优选地，所述原始数据的来源包括数据抽取、元数据采集、ETL转换和日志采集。
优选地，所述数据血缘解析单元通过从对象级血缘解析、字段级血缘解析和任务级血缘解析对数据血缘采集单元采集后的数据进行解析。
优选地，所述数据血缘展现单元以大数据可视化图表的方式进行展现。
与现有技术相比，本发明具有如下有益效果：
1、本发明能够实现企业在数据应用方面进一步增强跨业务的综合智能决策体系，使其与企业战略相一致，与业务系统紧密融合，为企业管理决策层提供更好的辅助支持；
2、在数据管理方面优化为更合理的企业级数据架构，使企业数据在清晰的脉络中流转，使系统间的数据交换在一个统一标准的环境下进行，并且建立常态化数据管控机制，以应对更广泛的数据应用需求，以保障企业数据标准、数据质量及数据的安全，支撑顶层智能决策等应用；
3、构建包括数据、应用、技术和组织的四位一体的均衡的数据治理框架体系，解决当前数据管理所面临的问题，提升相关业务域的数据质量，为数据应用提供更加精确、精准的数据，夯实数据基础。
附图说明
图1为本发明一种电力数据应用场景的数据治理系统的结构示意图；
图2为图1所示实施例中数据血缘分析模块的结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
本实施例提供一种电力数据应用场景的数据治理系统，包括数据接入平台、数据仓库平台和数据治理平台。
数据接入平台：用以接入源系统数据，源系统数据包括：结构化数据(数据库)、日志数据、IOT数据和文件数据。
其中，通过ETL工具实现接入结构化数据，工具包括：Hadoop平台提供的Sqoop，开源的kettle、talend，以及商业化产品Informatica、DataStage等；接入日志数据的工具包括：Flume、FileBeats、Logstash；以流式数据的方式通过Kafka接入IOT数据；通过FTP或WebDAV协议接入文件数据。
数据仓库平台用以支持复杂的分析操作，并为数据治理平台提供直观易懂的查询结果。包括临时存储层(ODS层)、数据仓库层(DWD层)，数据集市层，(DM层)，以及应用层(APP)。
其中，临时存储层为数据接入平台的接入数据的临时存储区域，临时存储层设有两类表，一类表用以存储当前需要加载的数据，另一类表用以存储处理完后的历史数据。
数据仓库层，用以清洗源系统数据，并保存下遵循数据库第三范式的数据，数据仓库层的数据粒度与临时存储层的数据粒度相同。
数据集市层，数据集市层的数据来源于数据仓库层，为数据仓库层经过重新组织的汇总数据，用以数据的快速查询、访问和分析。数据集市层的数据粒度比数据仓库层中的数据粒度粗，为轻度汇总级数据，不存在明细数据。
应用层，应用层的数据为数据集市层的数据的一个真子集，是高度汇总的数据，用以满足具体的分析需求而构建的数据，并不一定会覆盖所有的业务数据。
数据治理平台包括基于多模型的数据抽样技术模块、基于校验规则的数据质量分析模块和数据血缘分析模块。
其中，基于多模型的数据抽样技术模块用以从数量上以部分推算总体，并利用概率论和数据统计原理，以一定的概率保证推算结果的可靠程度，起到全面调查认识总体的功能，进而保证调查的精度；
数据抽样方法包括简单随机抽样、系统抽样、分层抽样、整群抽样、便利抽样、配额抽样、判断抽样和雪球抽样；
简单随机抽样包括完全随机选择、减少偏差、蒙特卡洛重复随机等步骤，每个个体都是被随机选中的，其中蒙特卡洛方法采用重复随机抽样的方法对未知参数进行估计；
系统抽样先把总体中的每个单元编号，然后随机选取其中之一作为抽样的开始点进行抽样，根据预定的样本量决定“距离N”,在选取开始点之后，通常从开始点开始按照编号进行等距抽样；
整群抽样先把总体划分成若干群，和分层抽样不同之处在于，这里的群是由不相似或异类的个体组成的，在单级整群抽样中，先(通常是随机地)从这些群中抽取几群，然后再在这些抽取的群中对个体进行全面调查。在两极整群抽样中，先(通常是随机地)从这些群中抽取几个群，然后再在这些抽取的群中对个体做简单随机抽样；
便利抽样用于初期的评估；
配额抽样先是确定各类及比例(与分层抽样类似)，然后利用方便抽样或判断抽样来按比例选取需要的个体数；
判断抽样凭经验来判断选择样本，通常是方便抽样的延伸；
雪球抽样用于感兴趣的样本特征较稀有的情况；
基于校验规则的数据质量分析模块，数据质量规则根据系统应用架构和数据流架构的定义，选择管理关键数据项的应用系统作为数据质量管理的控制，以数据标准的业务定义为基础，为每个关键数据字段选择与该字段的数据质量管理需求相匹配的数据质量管理维度(DQI)以及测量指标的计算方法；
基于校验规则的数据质量分析模块：包括指标关联分析单元、指标时序数据预处理和趋势预测单元，以及指数模型构建单元，具体为：指标关联分析单元能够定性定量分析基准指标和备选个体指标的关联关系，选取显著影响基准指标波动的个体指标，确定获选个体指标指数计入总体指数的权重。指标时序数据预处理和趋势预测单元对数据缺失严重、异常奇点繁多的时序数据进行修补，根据基准指标的时序数据对计入总体指数的个体指标的时序数据执行标准化处理。指数模型构建单元构建扩散指数、合成指数、预测指数、监测指数、信心指数等各类指数模型。
采用关联分析、时序相关性分析等方法从备选指标中筛选基准指标和与其强关联的先行、同步和滞后指标集；采用归一化、正向化等方法对获选指标数据进行标准化处理；采用统计分析和机器学习等方法对获选指标数据进行定量定性趋势预测；采用因子分析、线性拟合等方法构建并优化校验模型；
数据血缘分析模块：数据血缘采集单元、数据血缘解析单元、数据血缘展现单元和数据血缘应用单元。数据血缘采集单元：一般从数据抽取、元数据采集、ETL转换和日志采集四个来源对原始数据进行收集。数据血缘解析单元将数据血缘采集后的数据进行关系连接和识别，转换成血缘数据进行存储，具体从对象级血缘解析、字段级血缘解析和任务级血缘解析三个粒度进行解析。数据血缘展现单元通过大数据可视化图表的方式将解析后的血缘数据图形化地呈现出来。数据血缘应用单元可以清晰地反映实体对象之间的数据流关系路径和数据流向链路，当对象中的数据存在异常时，从而快速的找到数据问题的源头所在。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种电力数据应用场景的数据治理系统，其特征在于，包括；
数据接入平台：用以接入源系统数据，所述源系统数据包括结构化数据、日志数据、IOT数据和文件数据；
数据仓库平台：用以临时存储并清洗所述源系统数据为遵循数据库第三范式的数据进行分层存储，并支持复杂的分析操作，为所述数据治理平台提供查询结果；
数据治理平台：用以抽取符合业务要求的样例数据，指定数据质量校验规则，并建立数据血缘关系，为异常数据查询源系统数据。
2.根据权利要求1所述的一种电力数据应用场景的数据治理系统，其特征在于，所述数据仓库平台包括：
临时存储层：用以临时存储所述源系统数据；
数据仓库层：用以清洗所述源系统数据为遵循数据库第三范式的数据并存储；
数据集市层：用以重新组织并汇总所述数据仓库层的存储数据，用以数据的快速查询、访问和分析；
应用层：用以为所述数据集市层的一个真子集，用以为满足具体的分析需求而构建的数据。
3.根据权利要求2所述的一种电力数据应用场景的数据治理系统，其特征在于，所述数据仓库层的数据粒度与所述临时存储层的数据粒度相同，所述数据集市层的数据粒度比所述数据仓库层的数据粒度粗。
4.根据权利要求1所述的一种电力数据应用场景的数据治理系统，其特征在于，所述数据治理平台包括：
基于多模型的数据抽样技术模块：用以从数量上以部分推算总体，并利用概率论和数据统计原理确保推算结果的可靠程度；
基于校验规则的数据质量分析模块：用以为每个关键字段选择与所述关键字段的数据质量管理需求相匹配的数据质量管理维度以及测量指标的计算方法；
数据血缘分析模块：用以追溯异常数据的源系统数据。
5.根据权利要求4所述的一种电力数据应用场景的数据治理系统，其特征在于，所述基于多模型的数据抽样技术模块的抽样方法包括简单随机抽样、系统抽样、分层抽样、整群抽样、便利抽样、配额抽样、判断抽样和雪球抽样。
6.根据权利要求4所述的一种电力数据应用场景的数据治理系统，其特征在于，所述基于校验规则的数据质量分析模块包括：
指标关联分析单元：用以定性定量分析基准指标和备选个体指标的关联关系，选取显著影响基准指标波动的个体指标，确定获选个体指标指数计入总体指数的权重；
指标时序数据预处理和趋势预测单元：用以对数据缺失严重、异常奇点繁多的时序数据进行修补，根据基准指标的时序数据对计入总体指数的个体指标的时序数据执行标准化处理；
指数模型构建单元：用以构建扩散指数、合成指数、预测指数、监测指数、信心指数等各类指数模型。
7.根据权利要求1所述的一种电力数据应用场景的数据治理系统，其特征在于，所述数据血缘分析模块包括：
数据血缘采集单元：用以采集原始数据；
数据血缘解析单元：用以将数据血缘采集单元采集后的数据进行解析、关系连接和识别，并转换为血缘数据进行存储；
数据血缘展现单元：用以将所述血缘数据图形化展现；
数据血缘应用单元：用以反映实体对象之间的数据流关系路径和数据流向链路，为异常数据寻找对应的源系统数据。
8.根据权利要求7所述的一种电力数据应用场景的数据治理系统，其特征在于，所述原始数据的来源包括数据抽取、元数据采集、ETL转换和日志采集。
9.根据权利要求7所述的一种电力数据应用场景的数据治理系统，其特征在于，所述数据血缘解析单元通过从对象级血缘解析、字段级血缘解析和任务级血缘解析对数据血缘采集单元采集后的数据进行解析。
10.根据权利要求7所述的一种电力数据应用场景的数据治理系统，其特征在于，所述数据血缘展现单元以大数据可视化图表的方式进行展现。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111395569.9A CN114116667A (zh) | 2021-11-23 | 2021-11-23 | 一种电力数据应用场景的数据治理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111395569.9A CN114116667A (zh) | 2021-11-23 | 2021-11-23 | 一种电力数据应用场景的数据治理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114116667A true CN114116667A (zh) | 2022-03-01 |
Family
ID=80439990
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111395569.9A Pending CN114116667A (zh) | 2021-11-23 | 2021-11-23 | 一种电力数据应用场景的数据治理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114116667A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117234694A (zh) * | 2023-11-13 | 2023-12-15 | 广州中长康达信息技术有限公司 | 基于seda线程调度的数据治理方法及系统 |
-
2021
- 2021-11-23 CN CN202111395569.9A patent/CN114116667A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117234694A (zh) * | 2023-11-13 | 2023-12-15 | 广州中长康达信息技术有限公司 | 基于seda线程调度的数据治理方法及系统 |
| CN117234694B (zh) * | 2023-11-13 | 2024-03-01 | 广州中长康达信息技术有限公司 | 基于seda线程调度的数据治理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106815709B (zh) | 一种服务快速响应中心支撑系统及方法 | |
| CN105574652B (zh) | 一种智能配电网规划大数据管控系统及方法 | |
| CN109582717A (zh) | 一种面向电力大数据的数据库统一平台及其读取方法 | |
| CN112785427B (zh) | 基于电力数据的企业信用分析系统 | |
| CN111080261A (zh) | 一种基于大数据的可视化数据资产管理系统 | |
| CN109934483A (zh) | 一种面向实物质量提升的制造质量信息管控系统及方法 | |
| CN111552686A (zh) | 一种电力数据质量评估方法及其装置 | |
| CN111222790B (zh) | 风险事件发生概率的预测方法、装置、设备及存储介质 | |
| CN114116667A (zh) | 一种电力数据应用场景的数据治理系统 | |
| CN115358522A (zh) | 一种企业在线监测系统和方法 | |
| CN106649765A (zh) | 基于大数据技术的智能电网全景数据分析方法 | |
| CN107742162B (zh) | 一种基于配调监控信息的多维特征关联分析方法 | |
| CN115860548B (zh) | 基于大数据的SaaS一站式平台管理方法、系统及介质 | |
| CN116776543A (zh) | 一种面向智能电网的电力大数据应用方法 | |
| CN113886465A (zh) | 一种用于汽车物流的大数据分析平台 | |
| CN110298585B (zh) | 一种变电站设备监控信息分层分级自动审核方法 | |
| CN207232961U (zh) | 一种可实时对水雨情数据进行检验的系统 | |
| CN110689241A (zh) | 一种基于大数据的电网实物资产评价系统 | |
| CN110442938A (zh) | 新能源汽车充电规律的多维智能分析系统 | |
| Ma et al. | Data management of salt cavern gas storage based on data model | |
| Coelho et al. | Online platform for case studies in smart cities | |
| CN117391440A (zh) | 一种企业信息侦察平台及方法 | |
| Huang et al. | Analysis on the Nonlinear Impact of Financial Risks on CO2 Emissions: Designing a Sustainable Development Goal Framework for Asian Economies | |
| CN102629342A (zh) | 适用于电力系统基于资产墙的资产管理预测信息处理方法 | |
| Chen et al. | Big data applications in power industry |
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 |