CN116185963A - 一种电力数据文件的处理系统和方法 - Google Patents

Abstract

本申请提供的一种电力数据文件的处理系统和方法，通过电力数据采集端对电力数据事件的下游区间进行电力数据文件采集，然后通过人工智能分析线程对采集到的第一电力数据文件进行处理，对处理得到的第一电力数据文件要素和对应的第二电力数据文件要素进行融合，基于融合后的电力数据文件输出电力数据知识点表示待分析电力项目属于失常电力项目的概率的第三电力数据文件要素，然后基于该第三电力数据文件要素获得表示失常电力项目在第一电力数据文件中定位的第二电力数据文件，最后在第一电力数据文件上融合该第二电力数据文件，从而能够提高数据融合的准确性和可靠性，这样一来，实现了电力数据文件的精确处理。

Description

一种电力数据文件的处理系统和方法

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种电力数据文件的处理系统和方法。

背景技术

文件处理是运用计算机对各类宣传信息进行综合处理是办公室的一项职能，其范围包括：(1)计算机储存行政管理纪录和其他有关信息(数据、文字、图表等)；(2)用计算机把大量数据、文字、图表等信息进行编辑加工，形成文件。

现有技术中，在对电力数据文件进行处理时，可能存在数据处理不准确的问题。因此，亟需一种技术方案以改善上述技术问题。

发明内容

为改善相关技术中存在的技术问题，本申请提供了一种电力数据文件的处理系统和方法。

第一方面，提供一种电力数据文件的处理方法，该方法至少包括：基于人工智能分析线程对第一电力数据文件进行处理，得到第一电力数据文件要素，所述第一电力数据文件为通过电力数据采集端对包括若干个待分析电力项目的电力数据事件的下游区间进行电力数据文件采集得到的电力数据文件；依据所述人工智能分析线程，通过所述第一电力数据文件要素，获得所述第一电力数据文件要素对应的第二电力数据文件要素，所述第二电力数据文件要素与所述第一电力数据文件要素规模一致；依据所述人工智能分析线程，对所述第一电力数据文件要素和所述第二电力数据文件要素进行融合，基于融合后的电力数据文件获得第三电力数据文件要素，所述第三电力数据文件要素中的电力数据知识点用于表征待分析电力项目属于失常电力项目的概率，所述第三电力数据文件要素为两个电力数据描述内容；获得所述第三电力数据文件要素中的目标电力数据描述内容，所述目标电力数据描述内容中知识字符变量不为m的电力数据知识点用于表征属于失常电力项目的待分析电力项目，其中，所述m等于0；对于随机一个知识字符变量不为m的电力数据知识点，响应于所述电力数据知识点的知识字符变量不小于判定变量，将所述电力数据知识点的知识字符变量调试为x，其中，所述x等于1；响应于所述电力数据知识点的知识字符变量小于所述判定变量，将所述电力数据知识点的知识字符变量调试为m；将调试知识字符变量后的目标电力数据描述内容的规模调试为与所述第一电力数据文件的规模一致；获得规模调试后的所述目标电力数据描述内容中知识字符变量为x的电力数据文件区间的电力数据知识点轮廓，得到第二电力数据文件，所述第二电力数据文件用于表征属于失常电力项目的待分析电力项目在所述第一电力数据文件中的定位；在所述第一电力数据文件上融合所述第二电力数据文件。

在一种独立实施的实施例中，所述依据所述人工智能分析线程，通过所述第一电力数据文件要素，获得所述第一电力数据文件要素对应的第二电力数据文件要素，包括：依据所述人工智能分析线程对所述第一电力数据文件要素进行压缩操作，得到第四电力数据文件要素；依据所述人工智能分析线程对所述第四电力数据文件要素进行衍生操作，得到所述第一电力数据文件要素对应的第二电力数据文件要素。

在一种独立实施的实施例中，所述依据所述人工智能分析线程，对所述第一电力数据文件要素和所述第二电力数据文件要素进行融合，基于融合后的电力数据文件获得第三电力数据文件要素，包括：依据所述人工智能分析线程，对所述第一电力数据文件要素和所述第二电力数据文件要素进行融合，得到第五电力数据文件要素，所述第五电力数据文件要素与所述第一电力数据文件要素规模一致，所述第五电力数据文件要素的决策依据包括所述第一电力数据文件要素的决策依据和所述第二电力数据文件要素的决策依据；依据所述人工智能分析线程，对所述第五电力数据文件要素进行压缩操作，得到所述第三电力数据文件要素。

在一种独立实施的实施例中，所述获得所述第三电力数据文件要素中的目标电力数据描述内容之后，所述方法还包括：剔除所述目标电力数据描述内容中的干扰区间和小于目标规模的区间。

在一种独立实施的实施例中，所述基于人工智能分析线程对第一电力数据文件进行处理，得到第一电力数据文件要素之前，所述方法还包括：获得所述第一电力数据文件；通过所述第一电力数据文件的电力数据文件关键内容确定所述第一电力数据文件所属的标签分类种类；通过所述标签分类种类，调取所述标签分类种类对应的人工智能分析线程。

在一种独立实施的实施例中，所述电力数据文件关键内容还用于表示采集所述第一电力数据文件时的目标扩大系数；所述通过所述标签分类种类，调取所述标签分类种类对应的人工智能分析线程，包括：通过所述标签分类种类获得所述标签分类种类对应的不少于一个候选人工智能分析线程；响应于随机一个候选人工智能分析线程在配置时采用的范例电力数据文件的扩大系数与所述目标扩大系数一致，将所述候选人工智能分析线程确定为所述人工智能分析线程。

在一种独立实施的实施例中，所述人工智能分析线程通过以下步骤配置得到：获得配置范例电力数据文件，通过所述配置范例电力数据文件确定配置目标电力数据文件，所述配置范例电力数据文件为标记有失常电力项目的定位的电力数据文件，所述配置目标电力数据文件为二值电力数据文件，用于表征所述失常电力项目；将所述配置范例电力数据文件输入待配置的人工智能分析线程，获得所述待配置的人工智能分析线程输出的第一范例电力数据文件要素；通过所述第一范例电力数据文件要素和所述配置目标电力数据文件进行系数调试；响应于满足配置终止要求，将配置得到的线程确定为所述人工智能分析线程。

在一种独立实施的实施例中，所述将所述配置范例电力数据文件输入待配置的人工智能分析线程之前，所述方法还包括：通过所述配置范例电力数据文件的电力数据文件关键内容，确定目标规模，所述目标规模用于表征所述配置范例电力数据文件中一个知识点代表的当前规模；通过所述目标规模和参考细胞规模确定目标编码解码权重，所述目标编码解码权重用于表示所述第一范例电力数据文件要素和所述配置范例电力数据文件之间的权重；通过所述目标编码解码权重，确定所述人工智能分析线程的压缩系数。

在一种独立实施的实施例中，所述通过所述配置范例电力数据文件的电力数据文件关键内容，确定目标规模，包括：通过所述配置范例电力数据文件的电力数据文件关键内容，确定采集所述配置范例电力数据文件时的范例扩大系数和采集所述配置范例电力数据文件时的知识点规模；通过所述范例扩大系数和所述知识点规模，确定所述目标规模。

第二方面，提供一种电力数据文件的处理系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。

本申请实施例所提供的一种电力数据文件的处理系统和方法，通过电力数据采集端对电力数据事件的下游区间进行电力数据文件采集，然后通过人工智能分析线程对采集到的第一电力数据文件进行处理，对处理得到的第一电力数据文件要素和对应的第二电力数据文件要素进行融合，基于融合后的电力数据文件输出电力数据知识点表示待分析电力项目属于失常电力项目的概率的第三电力数据文件要素，然后基于该第三电力数据文件要素获得表示失常电力项目在第一电力数据文件中定位的第二电力数据文件，最后在第一电力数据文件上融合该第二电力数据文件，从而能够提高数据融合的准确性和可靠性，这样一来，实现了电力数据文件的精确处理。

附图说明

为了更清楚地说明本申请实施例的技术方案，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申请的某些实施例，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为本申请实施例所提供的一种电力数据文件的处理方法的流程图。

图2为本申请实施例所提供的一种电力数据文件的处理装置的框图。

图3为本申请实施例所提供的一种电力数据文件的处理系统的架构图。

具体实施方式

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申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。

请参阅图1，示出了一种电力数据文件的处理方法，该方法可以包括以下步骤301-305所描述的技术方案。

301、基于人工智能分析线程对第一电力数据文件进行处理，得到第一电力数据文件要素，该第一电力数据文件为通过电力数据采集端对包括若干个待分析电力项目的电力数据事件的下游区间进行电力数据文件采集得到的电力数据文件。

302、基于该人工智能分析线程，根据该第一电力数据文件要素，获得该第一电力数据文件要素对应的第二电力数据文件要素，该第二电力数据文件要素与该第一电力数据文件要素规模一致。

在本实施例中，基于人工智能分析线程可以对第一电力数据文件要素进行压缩和衍生操作，得到与该第一电力数据文件要素规模一致的第二电力数据文件要素。

303、基于该人工智能分析线程，对该第一电力数据文件要素和该第二电力数据文件要素进行融合，基于融合后的电力数据文件获得第三电力数据文件要素，该第三电力数据文件要素中的电力数据知识点用于表征待分析电力项目属于失常电力项目的概率。

在本实施例中，基于人工智能分析线程可以将规模一致的第一电力数据文件要素和第二电力数据文件要素进行融合得到一个新电力数据文件，该融合后的新电力数据文件与融合前的两个电力数据文件要素的规模一致。对该融合后的新电力数据文件进行压缩操作，可以得到第三电力数据文件要素，第三电力数据文件要素中各电力数据知识点的知识字符变量表示待分析电力项目属于失常电力项目的概率，概率越高，知识字符变量越大。

304、根据该第三电力数据文件要素获得第二电力数据文件，该第二电力数据文件用于表征属于失常电力项目的待分析电力项目在该第一电力数据文件中的定位。

在本实施例中，基于获得到的第三电力数据文件要素，可以确定失常电力项目的定位，从而得到表示该失常电力项目的定位的第二电力数据文件。

305、在该第一电力数据文件上融合该第二电力数据文件。

在本实施例中，通过电力数据采集端对电力数据事件的下游区间进行电力数据文件采集，然后通过人工智能分析线程对采集到的第一电力数据文件进行处理，对处理得到的第一电力数据文件要素和对应的第二电力数据文件要素进行融合，基于融合后的电力数据文件输出电力数据知识点表示待分析电力项目属于失常电力项目的概率的第三电力数据文件要素，然后基于该第三电力数据文件要素获得表示失常电力项目在第一电力数据文件中定位的第二电力数据文件，最后在第一电力数据文件上融合该第二电力数据文件，从而能够提高数据融合的准确性和可靠性，这样一来，实现了电力数据文件的精确处理。

申请实施例提供的另一种电力数据文件的处理方法。该电力数据文件的处理方法包括以下步骤。

401、获得第一电力数据文件，该第一电力数据文件为通过电力数据采集端对包括若干个待分析电力数据文件的电力数据事件的下游区间进行电力数据文件采集得到的电力数据文件。

可以理解的是，可以通过调取人工智能分析线程来对获得到的第一电力数据文件进行处理。

在一种可能实施的实施例中，在调取人工智能分析线程之前，可以获得该第一电力数据文件的电力数据文件关键内容，基于该电力数据文件关键内容确定对应的人工智能分析线程。其中，该电力数据文件关键内容可以用于表示该第一电力数据文件所属的标签分类种类，可以根据该标签分类种类，调取该标签分类种类对应的人工智能分析线程。可选的，一个标签分类种类可以对应不少于一个人工智能分析线程，该不少于一个人工智能分析线程的不同点在于，在配置时所使用的范例电力数据文件的扩大系数不同。可以根据采集第一电力数据文件时的目标扩大系数，从该不少于一个人工智能分析线程中，选择对应的扩大系数与该目标扩大系数一致的人工智能分析线程。

402、基于该人工智能分析线程对该第一电力数据文件进行处理，得到第一电力数据文件要素。

在本实施例中，可以通过人工智能分析线程中已配置好的神经网络对该第一电力数据文件进行压缩操作，得到第一电力数据文件要素。

在一种可能实施的实施例中，上述人工智能分析线程的配置步骤可以为：获得配置范例电力数据文件，根据该配置范例电力数据文件确定配置目标电力数据文件。其中，该配置范例电力数据文件为标记有失常电力项目的定位的电力数据文件，该配置目标电力数据文件为两个电力数据文件，用于表征该失常电力项目。可以将该配置范例电力数据文件输入待配置的人工智能分析线程，获得待配置的人工智能分析线程输出的第一范例电力数据文件要素。然后根据该第一范例电力数据文件要素和配置目标电力数据文件进行系数调试。响应于满足配置终止要求，可以将配置得到的线程确定为上述人工智能分析线程。

在一种可能实施的实施例中，配置范例电力数据文件中的失常电力项目可以由专业人员进行定位的标记。相应的，根据配置范例电力数据文件确定配置目标电力数据文件的步骤可以为：对配置范例电力数据文件进行处理，得到一个二决策依据的配置目标电力数据文件，该配置目标电力数据文件为两个电力数据文件。其中，处理步骤可以为：将配置范例电力数据文件中已标记的区间确定为目标区间，将目标区间的知识点值设置为x，将非目标区间的知识点值设置为m，确定为配置目标电力数据文件的一个决策依据，将目标区间的知识点值设置为m，将非目标区间的知识点值设置为x，确定为配置目标电力数据文件的另一个决策依据。通过确定两个形式的配置目标电力数据文件，可以将该配置目标电力数据文件确定为标签，有监督的对人工智能分析线程进行配置，从而使配置得到的线程可以输出与配置目标电力数据文件相近的电力数据文件。

在一种可能实施的实施例中，人工智能分析线程在对第一电力数据文件进行压缩操作时，各压缩单元输出的电力数据文件的规模可以为输入该压缩单元的电力数据文件的规模的一半，可以根据目标编码解码权重来确定该人工智能分析线程的压缩系数。其中，该目标编码解码权重用于表示第一范例电力数据文件要素和配置范例电力数据文件之间的权重。

403、基于该人工智能分析线程，根据该第一电力数据文件要素，获得该第一电力数据文件要素对应的第二电力数据文件要素，该第二电力数据文件要素与该第一电力数据文件要素规模一致。

在本实施例中，可以对该第一电力数据文件要素进行压缩操作后再进行衍生操作，得到第二电力数据文件要素。相应的，获得第二电力数据文件要素的步骤可以为：可以基于人工智能分析线程对第一电力数据文件要素进行压缩操作，得到第四电力数据文件要素，然后基于该人工智能分析线程对该第四电力数据文件要素进行衍生操作，得到该第一电力数据文件要素对应的第二电力数据文件要素。其中，第一电力数据文件要素和第二电力数据文件要素的规模一致，决策依据数不同。

404、基于该人工智能分析线程，对第一电力数据文件要素和第二电力数据文件要素进行融合，基于融合后的电力数据文件获得第三电力数据文件要素，该第三电力数据文件要素中的电力数据知识点用于表征待分析电力数据文件属于失常电力项目的概率。

在本实施例中，可以基于人工智能分析线程，对第一电力数据文件要素和第二电力数据文件要素进行融合，得到第五电力数据文件要素，该第五电力数据文件要素与第一电力数据文件要素规模一致，也和第二电力数据文件要素规模一致，该第五电力数据文件要素的决策依据包括第一电力数据文件要素的决策依据和第二电力数据文件要素的决策依据。可以基于该人工智能分析线程，对第五电力数据文件要素进行压缩操作，得到第三电力数据文件要素。

405、根据该第三电力数据文件要素获得第二电力数据文件，该第二电力数据文件用于表征属于失常电力项目的待分析电力项目在该第一电力数据文件中的定位。

在本实施例中，在得到第三电力数据文件要素后，可以获得该第三电力数据文件要素中目标电力数据描述内容，该目标电力数据描述内容中各电力数据知识点的知识字符变量在0到1之间，其中知识字符变量不为m的电力数据知识点用于表征属于失常电力项目的待分析电力项目。对于知识字符变量不为m的电力数据知识点，响应于该电力数据知识点的知识字符变量不小于判定变量，将该电力数据知识点的知识字符变量调试为x；响应于该电力数据知识点的知识字符变量小于判定变量，将该电力数据知识点的知识字符变量调试为m。然后可以将调试知识字符变量后的目标电力数据描述内容的规模调试为与第一电力数据文件的规模一致，获得规模调试后的目标电力数据描述内容中知识字符变量为x的电力数据文件区间的电力数据知识点轮廓，即可得到第二电力数据文件。

406、在该第一电力数据文件上融合该第二电力数据文件。

在本实施例中，通过电力数据采集端对电力数据事件的下游区间进行电力数据文件采集，然后通过人工智能分析线程对采集到的第一电力数据文件进行处理，对处理得到的第一电力数据文件要素和对应的第二电力数据文件要素进行融合，基于融合后的电力数据文件输出电力数据知识点表示待分析电力项目属于失常电力项目的概率的第三电力数据文件要素，然后基于该第三电力数据文件要素获得表示失常电力项目在第一电力数据文件中定位的第二电力数据文件，最后在第一电力数据文件上融合该第二电力数据文件，从而能够提高数据融合的准确性和可靠性，这样一来，实现了电力数据文件的精确处理。

在上述基础上，请结合参阅图2，提供了一种电力数据文件的处理装置200，所述装置包括：

要素得到模块210，用于基于人工智能分析线程对第一电力数据文件进行处理，得到第一电力数据文件要素，所述第一电力数据文件为通过电力数据采集端对包括若干个待分析电力项目的电力数据事件的下游区间进行电力数据文件采集得到的电力数据文件；

要素获得模块220，用于依据所述人工智能分析线程，通过所述第一电力数据文件要素，获得所述第一电力数据文件要素对应的第二电力数据文件要素，所述第二电力数据文件要素与所述第一电力数据文件要素规模一致；

要素融合模块230，用于依据所述人工智能分析线程，对所述第一电力数据文件要素和所述第二电力数据文件要素进行融合，基于融合后的电力数据文件获得第三电力数据文件要素，所述第三电力数据文件要素中的电力数据知识点用于表征待分析电力项目属于失常电力项目的概率，所述第三电力数据文件要素为两个电力数据描述内容；

内容获得模块240，用于获得所述第三电力数据文件要素中的目标电力数据描述内容，所述目标电力数据描述内容中知识字符变量不为m的电力数据知识点用于表征属于失常电力项目的待分析电力项目，其中，所述m等于0；对于随机一个知识字符变量不为m的电力数据知识点，响应于所述电力数据知识点的知识字符变量不小于判定变量，将所述电力数据知识点的知识字符变量调试为x，其中，所述x等于1；响应于所述电力数据知识点的知识字符变量小于所述判定变量，将所述电力数据知识点的知识字符变量调试为m；

字符调试模块250，用于将调试知识字符变量后的目标电力数据描述内容的规模调试为与所述第一电力数据文件的规模一致；获得规模调试后的所述目标电力数据描述内容中知识字符变量为x的电力数据文件区间的电力数据知识点轮廓，得到第二电力数据文件，所述第二电力数据文件用于表征属于失常电力项目的待分析电力项目在所述第一电力数据文件中的定位；在所述第一电力数据文件上融合所述第二电力数据文件。

在上述基础上，请结合参阅图3，示出了一种电力数据文件的处理系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。

在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。

综上，基于上述方案，通过电力数据采集端对电力数据事件的下游区间进行电力数据文件采集，然后通过人工智能分析线程对采集到的第一电力数据文件进行处理，对处理得到的第一电力数据文件要素和对应的第二电力数据文件要素进行融合，基于融合后的电力数据文件输出电力数据知识点表示待分析电力项目属于失常电力项目的概率的第三电力数据文件要素，然后基于该第三电力数据文件要素获得表示失常电力项目在第一电力数据文件中定位的第二电力数据文件，最后在第一电力数据文件上融合该第二电力数据文件，从而能够提高数据融合的准确性和可靠性，这样一来，实现了电力数据文件的精确处理。

应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。

需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。

同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。

本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。

此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。

最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

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。

Claims (10)

1.一种电力数据文件的处理方法，其特征在于，该方法至少包括：

基于人工智能分析线程对第一电力数据文件进行处理，得到第一电力数据文件要素，所述第一电力数据文件为通过电力数据采集端对包括若干个待分析电力项目的电力数据事件的下游区间进行电力数据文件采集得到的电力数据文件；

依据所述人工智能分析线程，通过所述第一电力数据文件要素，获得所述第一电力数据文件要素对应的第二电力数据文件要素，所述第二电力数据文件要素与所述第一电力数据文件要素规模一致；

依据所述人工智能分析线程，对所述第一电力数据文件要素和所述第二电力数据文件要素进行融合，基于融合后的电力数据文件获得第三电力数据文件要素，所述第三电力数据文件要素中的电力数据知识点用于表征待分析电力项目属于失常电力项目的概率，所述第三电力数据文件要素为两个电力数据描述内容；

获得所述第三电力数据文件要素中的目标电力数据描述内容，所述目标电力数据描述内容中知识字符变量不为m的电力数据知识点用于表征属于失常电力项目的待分析电力项目，其中，所述m等于0；对于随机一个知识字符变量不为m的电力数据知识点，响应于所述电力数据知识点的知识字符变量不小于判定变量，将所述电力数据知识点的知识字符变量调试为x，其中，所述x等于1；响应于所述电力数据知识点的知识字符变量小于所述判定变量，将所述电力数据知识点的知识字符变量调试为m；

将调试知识字符变量后的目标电力数据描述内容的规模调试为与所述第一电力数据文件的规模一致；获得规模调试后的所述目标电力数据描述内容中知识字符变量为x的电力数据文件区间的电力数据知识点轮廓，得到第二电力数据文件，所述第二电力数据文件用于表征属于失常电力项目的待分析电力项目在所述第一电力数据文件中的定位；在所述第一电力数据文件上融合所述第二电力数据文件。

2.根据权利要求1所述的方法，其特征在于，所述依据所述人工智能分析线程，通过所述第一电力数据文件要素，获得所述第一电力数据文件要素对应的第二电力数据文件要素，包括：

依据所述人工智能分析线程对所述第一电力数据文件要素进行压缩操作，得到第四电力数据文件要素；

依据所述人工智能分析线程对所述第四电力数据文件要素进行衍生操作，得到所述第一电力数据文件要素对应的第二电力数据文件要素。

3.根据权利要求1所述的方法，其特征在于，所述依据所述人工智能分析线程，对所述第一电力数据文件要素和所述第二电力数据文件要素进行融合，基于融合后的电力数据文件获得第三电力数据文件要素，包括：

依据所述人工智能分析线程，对所述第一电力数据文件要素和所述第二电力数据文件要素进行融合，得到第五电力数据文件要素，所述第五电力数据文件要素与所述第一电力数据文件要素规模一致，所述第五电力数据文件要素的决策依据包括所述第一电力数据文件要素的决策依据和所述第二电力数据文件要素的决策依据；

依据所述人工智能分析线程，对所述第五电力数据文件要素进行压缩操作，得到所述第三电力数据文件要素。

4.根据权利要求1所述的方法，其特征在于，所述获得所述第三电力数据文件要素中的目标电力数据描述内容之后，所述方法还包括：剔除所述目标电力数据描述内容中的干扰区间和小于目标规模的区间。

5.根据权利要求1所述的方法，其特征在于，所述基于人工智能分析线程对第一电力数据文件进行处理，得到第一电力数据文件要素之前，所述方法还包括：

获得所述第一电力数据文件；通过所述第一电力数据文件的电力数据文件关键内容确定所述第一电力数据文件所属的标签分类种类；

通过所述标签分类种类，调取所述标签分类种类对应的人工智能分析线程。

6.根据权利要求5所述的方法，其特征在于，所述电力数据文件关键内容还用于表示采集所述第一电力数据文件时的目标扩大系数；所述通过所述标签分类种类，调取所述标签分类种类对应的人工智能分析线程，包括：

通过所述标签分类种类获得所述标签分类种类对应的不少于一个候选人工智能分析线程；

响应于随机一个候选人工智能分析线程在配置时采用的范例电力数据文件的扩大系数与所述目标扩大系数一致，将所述候选人工智能分析线程确定为所述人工智能分析线程。

7.根据权利要求1所述的方法，其特征在于，所述人工智能分析线程通过以下步骤配置得到：

获得配置范例电力数据文件，通过所述配置范例电力数据文件确定配置目标电力数据文件，所述配置范例电力数据文件为标记有失常电力项目的定位的电力数据文件，所述配置目标电力数据文件为二值电力数据文件，用于表征所述失常电力项目；

将所述配置范例电力数据文件输入待配置的人工智能分析线程，获得所述待配置的人工智能分析线程输出的第一范例电力数据文件要素；

通过所述第一范例电力数据文件要素和所述配置目标电力数据文件进行系数调试；响应于满足配置终止要求，将配置得到的线程确定为所述人工智能分析线程。

8.根据权利要求7所述的方法，其特征在于，所述将所述配置范例电力数据文件输入待配置的人工智能分析线程之前，所述方法还包括：

通过所述配置范例电力数据文件的电力数据文件关键内容，确定目标规模，所述目标规模用于表征所述配置范例电力数据文件中一个知识点代表的当前规模；

通过所述目标规模和参考细胞规模确定目标编码解码权重，所述目标编码解码权重用于表示所述第一范例电力数据文件要素和所述配置范例电力数据文件之间的权重；

通过所述目标编码解码权重，确定所述人工智能分析线程的压缩系数。

9.根据权利要求8所述的方法，其特征在于，所述通过所述配置范例电力数据文件的电力数据文件关键内容，确定目标规模，包括：

通过所述配置范例电力数据文件的电力数据文件关键内容，确定采集所述配置范例电力数据文件时的范例扩大系数和采集所述配置范例电力数据文件时的知识点规模；

通过所述范例扩大系数和所述知识点规模，确定所述目标规模。

10.一种电力数据文件的处理系统，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-9任一项所述的方法。

Images