CN116629606A - 一种基于电力数据的产业链预警方法、装置、设备及介质 - Google Patents
一种基于电力数据的产业链预警方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116629606A CN116629606A CN202310555343.3A CN202310555343A CN116629606A CN 116629606 A CN116629606 A CN 116629606A CN 202310555343 A CN202310555343 A CN 202310555343A CN 116629606 A CN116629606 A CN 116629606A
- Authority
- CN
- China
- Prior art keywords
- industrial
- industry
- data
- correlation coefficient
- upstream
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000005611 electricity Effects 0.000 claims abstract description 131
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 77
- 230000002159 abnormal effect Effects 0.000 claims abstract description 21
- 238000005259 measurement Methods 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 20
- 238000010586 diagram Methods 0.000 claims description 13
- 238000005065 mining Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 238000012986 modification Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 7
- 239000003245 coal Substances 0.000 claims description 6
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 6
- 239000011707 mineral Substances 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000005406 washing Methods 0.000 claims description 6
- 238000007792 addition Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000012217 deletion Methods 0.000 claims description 5
- 230000037430 deletion Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000006870 function Effects 0.000 description 11
- 238000007781 pre-processing Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000012800 visualization Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 229910052755 nonmetal Inorganic materials 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Water Supply & Treatment (AREA)
- Computing Systems (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
Abstract
本发明公开了一种基于电力数据的产业链预警方法、装置、设备及介质，根据输入的产业电力数据建立产业用电数据库；根据所述产业用电数据库构建产业用电知识图谱，基于皮尔逊相关系数的产业相似度度量模型计算上下游产业间的相关系数；根据计算出的相关系数，判断上下游产业间关系是否出现异常。能够准确、及时地实现产业链上下游分析预警，提高电力系统产业链的风险规避能力。
Description
技术领域
本发明涉及电力系统技术领域，尤其涉及一种基于电力数据的产业链预警方法、装置、设备及介质。
背景技术
能源电力产业链是以电力行业为核心环节的，涵盖一次能源供应、电能生产、传输、交易和消费的全环节链条。当前的能源电力产业协调链条长、横纵向信息融合度差且环环相扣，为提高电力系统产业链的风险规避能力，针对能源电力产业链的预警工作愈发迫切。
现有的产业链分析预警繁冗庞杂，其采用的分析和预警方法所基于的数据或指标有着时间间隔较长、数据来源单一、样本数据规模较小等缺陷，进而导致分析产业链上下游关系时存在数据来源不全、预警信息反应滞后等诸多问题，难以应对当前日趋复杂的产业链分析和预警需求。
发明内容
针对上述缺陷，本发明提供一种基于电力数据的产业链预警方法、装置、设备及介质，能够准确、及时地实现产业链上下游分析预警，提高电力系统产业链的风险规避能力。
本发明实施例提供一种基于电力数据的产业链预警方法，所述方法包括：
根据输入的产业电力数据建立产业用电数据库；
根据所述产业用电数据库构建产业用电知识图谱，基于皮尔逊相关系数的产业相似度度量模型计算上下游产业间的相关系数；
根据计算出的相关系数，判断上下游产业间关系是否出现异常。
优选地，所述根据输入的产业电力数据建立产业用电数据库，具体包括：
收集分析预警所需的产业电力数据，并将收集的产业电力数据放入云端存储；
对存储的数据进行错漏处理、冗余处理和归一化处理，得到所述产业用电数据库；所述产业用电数据库包括产业链所含产业数据及全产业用电数据。
作为上述方案的改进，所述方法还包括：
对存储在云端中的数据进行数据查询、修改、添加和删除操作。
进一步地，所述产业用电知识图谱构建过程具体包括：
根据所述产业用电数据库提取每个产业的用电数据，构建产业用电知识图谱；
提取的用电数据包括非金属矿采选业、非金属矿物制品业、建筑业及煤炭开采和洗选业的用电数据。
作为一种优选方案，所述上下游产业间的相关系数计算过程，具体包括：
根据所述产业用电知识图谱提取产业链上下游产业，并提取相关每个产业的用电数据；
将提取的产业的用电数据输入到基于皮尔逊相关系数的产业相似度度量模型中，得到上下游产业间的相关系数输出；
所述产业相似度度量模型具体为：
其中，ρA,B为产业a和产业b间的相关系数，A和B分别为产业a和产业b的产业用电量序列，A＝[a1,a2,...,an]，B＝[b1,b2,...,bn]，n为相同采集时间区间内的采集点数，a1～an以及b1～bn为产业用电量，cov(A,B)为产业用电量序列A和产业用电量序列B间的协方差，σA、σB分别为产业用电量序列A和产业用电量序列B的标准差，和/>分别为产业用电量序列A和产业用电量序列B的均值。
优选地，所述根据计算出的相关系数，判断上下游产业间关系是否出现异常，具体包括：
当计算出的相关系数为正，且不在预设第一阈值范围时，判定上下游产业间合作关系异常；
当计算出的相关系数为正，且在所述第一阈值范围时，判定上下游产业间合作关系正常；
当计算出的相关系数为负，且不在预设第二阈值范围时，判定上下游产业间竞争关系异常；
当计算出的相关系数为负，且在所述第二阈值范围时，判定上下游产业间竞争关系正常。
优选地，所述方法还包括：
根据计算得到的上下游产业间的相关系数生成上下游产业关联程度的相关性矩阵，并生成热力图输出；
将上下游产业用电量以折线图形式输出。
本发明实施例提供一种基于电力数据的产业链预警装置，所述装置包括：
数据输入及管理模块，用于根据输入的产业电力数据建立产业用电数据库；
应用模块，用于根据所述产业用电数据库构建产业用电知识图谱，基于皮尔逊相关系数的产业相似度度量模型计算上下游产业间的相关系数；
预警模块，用于根据计算出的相关系数，判断上下游产业间关系是否出现异常。
优选地，所述数据输入及管理模块具体用于：
收集分析预警所需的产业电力数据，并将收集的产业电力数据放入云端存储；
对存储的数据进行错漏处理、冗余处理和归一化处理，得到所述产业用电数据库；所述产业用电数据库包括产业链所含产业数据及全产业用电数据。
作为上述方案的改进，所述数据输入及管理模块具体还用于：
对存储在云端中的数据进行数据查询、修改、添加和删除操作。
优选地，所述应用模块构建产业用电知识图谱的过程具体包括：
根据所述产业用电数据库提取每个产业的用电数据，构建产业用电知识图谱；
提取的用电数据包括非金属矿采选业、非金属矿物制品业、建筑业及煤炭开采和洗选业的用电数据。
作为上述方案的改进，所述应用模块计算上下游产业间的相关系数的过程，具体包括：
根据所述产业用电知识图谱提取产业链上下游产业，并提取相关每个产业的用电数据；
将提取的产业的用电数据输入到基于皮尔逊相关系数的产业相似度度量模型中，得到上下游产业间的相关系数输出；
所述产业相似度度量模型具体为：
其中，ρA,B为产业a和产业b间的相关系数，A和B分别为产业a和产业b的产业用电量序列，A＝[a1,a2,...,an]，B＝[b1,b2,...,bn]，n为相同采集时间区间内的采集点数，a1～an以及b1～bn为产业用电量，cov(A,B)为产业用电量序列A和产业用电量序列B间的协方差，σA、σB分别为产业用电量序列A和产业用电量序列B的标准差，和/>分别为产业用电量序列A和产业用电量序列B的均值。
优选地，所述预警模块具体用于：
当计算出的相关系数为正，且不在预设第一阈值范围时，判定上下游产业间合作关系异常；
当计算出的相关系数为正，且在所述第一阈值范围时，判定上下游产业间合作关系正常；
当计算出的相关系数为负，且不在预设第二阈值范围时，判定上下游产业间竞争关系异常；
当计算出的相关系数为负，且在所述第二阈值范围时，判定上下游产业间竞争关系正常。
进一步地，所述装置还包括可视化模块，用于：
根据计算得到的上下游产业间的相关系数生成上下游产业关联程度的相关性矩阵，并生成热力图输出；
将上下游产业用电量以折线图形式输出。
本发明实施例还提供一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述实施例中任意一项所述的基于电力数据的产业链预警方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述实施例中任意一项所述的基于电力数据的产业链预警方法。
本发明提供的一种基于电力数据的产业链预警方法、装置、设备及介质，根据输入的产业电力数据建立产业用电数据库；根据所述产业用电数据库构建产业用电知识图谱，基于皮尔逊相关系数的产业相似度度量模型计算上下游产业间的相关系数；根据计算出的相关系数，判断上下游产业间关系是否出现异常。能够准确、及时地实现产业链上下游分析预警，提高电力系统产业链的风险规避能力。
附图说明
图1是本发明实施例提供一种基于电力数据的产业链预警方法的流程示意图；
图2是本发明实施例提供的产业相关性分析图；
图3是本发明实施例提供的一种基于电力数据的产业链预警装置的结构示意图；
图4是本发明另一实施例提供的基于电力数据的产业链预警装置的结构示意图；
图5是本发明实施例提供的一种终端设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，是本发明实施例提供一种基于电力数据的产业链预警方法的流程示意图，所述方法包括步骤S1～S3：
S1，根据输入的产业电力数据建立产业用电数据库；
S2，根据所述产业用电数据库构建产业用电知识图谱，基于皮尔逊相关系数的产业相似度度量模型计算上下游产业间的相关系数；
S3，根据计算出的相关系数，判断上下游产业间关系是否出现异常。
在本实施例具体实施时，通过一定渠道收集分析预警所需的产业电力数据，根据获取的产业电力数据构建产业用电数据库，所述产业用电数据库中包含不同产业的用电数据，通过建立数据库，便于后续查询对应产业数据构建知识图谱，提高数据管理效率。
所述产业用电数据在查询相应的产业数据，构建产业用电知识图谱，并根据构建的产业用电知识图谱，基于皮尔逊相关系数的产业相似度度量模型计算不同产业用电量数据间的相关系数；通过使用皮尔逊相关系数的产业相似度度量模型计算相关系数，能够得到一个用于表示两个产业之间的相关性大小和方向的相关系数。
通过对相关系数的正负进行分析，能够确定两个产业间相关性的方向，即合作方向或是竞争方向；通过对相关系数的大小进行分析，能够确定两个产业的相关性，进行预警提示输出。
本实施例提供的基于电力数据的产业链预警方法，可以及时发现产业链中可能出现的问题，准确、及时地实现产业链上下游分析预警，能够提高电力系统产业链的风险规避能力，对于保障产业的稳定发展具有重要意义。
在本发明提供的又一实施例中，所述根据输入的产业电力数据建立产业用电数据库，具体包括：
收集分析预警所需的产业电力数据，并将收集的产业电力数据放入云端存储；
对存储的数据进行错漏处理、冗余处理和归一化处理，得到所述产业用电数据库；所述产业用电数据库包括产业链所含产业数据及全产业用电数据。
在本实施例具体实施时，产业用电数据库地建立过程包括数据输入、数据存储、数据预处理等步骤，具体过程包括：
数据输入，输入通过一定渠道收集分析预警所需的产业电力数据；
数据存储，将收集的产业电力数据放入云端存储，即将产业电力数据输入到云端地数据库或数据平台进行数据存储；
数据预处理，对存储的数据进行错漏处理、冗余处理和归一化处理，通过对数据进行预处理，能够提升数据质量，减少错漏数据、冗余数据或者由于数据格式不同导致后续相关系数精度的下降。
经过数据预处理，得到所述产业用电数据库；所述产业用电数据库包括产业链所含产业数据及全产业用电数据。
需要说明的是，在本实施例中，数据预处理包含对存储的数据进行错漏处理、冗余处理和归一化处理，在其他实施例中可采用其他数据预处理方式，对存储的数据进行处理。
需要说明的是，本实施例中采用的数据预处理方法可采用现有技术的常用述离方法进行处理。
在本发明提供的又一实施例中，所述方法还包括：
对存储在云端中的数据进行数据查询、修改、添加和删除操作。
在本实施例具体实施时，作为上述方案的改进，数据输入后，还可进行数据的编辑功能，即通过数据查询、修改、添加和删除操作，对数据进行编辑，提高产业用电数据库可操作性。
在本发明提供的又一实施例中，所述产业用电知识图谱构建过程具体包括：
根据所述产业用电数据库提取每个产业的用电数据，构建产业用电知识图谱；
提取的用电数据包括非金属矿采选业、非金属矿物制品业、建筑业及煤炭开采和洗选业的用电数据。
在本实施例具体实施时，产业用电知识图谱具体构建时，需要先从所述产业用电数据库提取每个产业的用电数据，提取的用电数据包含非非金属矿采选业、非金属矿物制品业、建筑业及煤炭开采和洗选业四个产业及相关用电数据；
根据提取的数据构建产业用电知识图谱。
8、在本发明提供的又一实施例中，所述上下游产业间的相关系数计算过程，具体包括：
根据所述产业用电知识图谱提取产业链上下游产业，并提取相关每个产业的用电数据；
将提取的产业的用电数据输入到基于皮尔逊相关系数的产业相似度度量模型中，得到上下游产业间的相关系数输出；
所述产业相似度度量模型具体为：
其中，ρA,B为产业a和产业b间的相关系数，A和B分别为产业a和产业b的产业用电量序列，A＝[a1,a2,...,an]，B＝[b1,b2,...,bn]，n为相同采集时间区间内的采集点数，a1～an以及b1～bn为产业用电量，cov(A,B)为产业用电量序列A和产业用电量序列B间的协方差，σA、σB分别为产业用电量序列A和产业用电量序列B的标准差，和/>分别为产业用电量序列A和产业用电量序列B的均值。
在本实施例具体实施时，进行相关系数计算时，根据产业用电知识图谱提取产业链上下游产业，并提取相关每个产业的用电数据；
将提取的产业的用电数据输入到基于皮尔逊相关系数的产业相似度度量模型中，得到上下游产业间的相关系数输出；
通过计算不同产业用电量数据间的皮尔逊相关系数，来验证不同产业之间的关联程度。
产业相似度度量模型具体为：
其中，ρA,B为产业a和产业b间的相关系数，A和B分别为产业a和产业b的产业用电量序列，A＝[a1,a2,...,an]，B＝[b1,b2,...,bn]，n为相同采集时间区间内的采集点数，a1～an以及b1～bn为产业用电量，cov(A,B)为产业用电量序列A和产业用电量序列B间的协方差，σA、σB分别为产业用电量序列A和产业用电量序列B的标准差，和/>分别为产业用电量序列A和产业用电量序列B的均值。
通过计算皮尔逊相关系数，能够得到一个介于-1和+1之间的数值，用于表示两个产业之间的相关性大小和方向，用于进行产业间的准确预警。
9、在本发明提供的又一实施例中，所述根据计算出的相关系数，判断上下游产业间关系是否出现异常，具体包括：
当计算出的相关系数为正，且不在预设第一阈值范围时，判定上下游产业间合作关系异常；
当计算出的相关系数为正，且在所述第一阈值范围时，判定上下游产业间合作关系正常；
当计算出的相关系数为负，且不在预设第二阈值范围时，判定上下游产业间竞争关系异常；
当计算出的相关系数为负，且在所述第二阈值范围时，判定上下游产业间竞争关系正常。
在本实施例具体实施时，皮尔逊相关系数为一个介于-1和+1之间的数值，相关关系的绝对值表示了两个产业间的相关程度。如果两个产业之间的相关系数绝对值越接近于1，则说明它们之间的线性相关程度越高，可以认为它们之间的相似性也越高。反之，如果两个产业之间的相关系数绝对值越接近于0，则说明它们之间的线性相关程度越低，两者之间的相似性也越低。而相关系数的正负则表示了两个产业之间的相关关系。如果两个产业之间的相关系数为正，则说明它们之间存在合作或上下游关系；如果两个产业之间的相关系数为负，则说明它们之间存在竞争关系。
产业间关联程度是否在预设范围，能够判断产业间关系是否异常。
当计算出的相关系数为正时，上下游产业间为合作关系，当计算出的相关系数不在预设第一阈值范围时，判定上下游产业间合作关系异常；
当计算出的相关系数为正时，上下游产业间为合作关系，当计算出的相关系数在预设第一阈值范围时，判定上下游产业间合作关系正常；
当计算出的相关系数为负时，上下游产业间为竞争关系，当计算出的相关系数不在预设第二阈值范围时，判定上下游产业间竞争关系异常；
当计算出的相关系数为负时，上下游产业间为竞争关系，当计算出的相关系数在预设第二阈值范围时，判定上下游产业间竞争关系正常；
对相关系数进行分析，可以及时发现产业链中可能出现的问题，实现准确、及时的产业链上下游分析预警。
在本发明提供的又一实施例中，所述方法还包括：
根据计算得到的上下游产业间的相关系数生成上下游产业关联程度的相关性矩阵，并生成热力图输出；
将上下游产业用电量以折线图形式输出。
在本实施例具体实施时，本实施例还可对相关系数进行可视化表示，即根据计算得到的上下游产业间的相关系数生成上下游产业关联程度的相关性矩阵，并生成热力图输出；将上下游产业用电量以折线图形式输出。
参见图2，是本发明实施例提供的产业相关性分析图；图2中，提供了非非金属矿采选业、非金属矿物制品业、建筑业及煤炭开采和洗选业之间的相关系数大小关系；
通过对不同产业的相关系数进行性可视化数据，便于验证产业链分析结果。
本方发明实施例还提供一种基于电力数据的产业链预警装置，参见图3，是本发明实施例提供的一种基于电力数据的产业链预警装置的结构示意图，所述装置包括：
数据输入及管理模块，用于根据输入的产业电力数据建立产业用电数据库；
应用模块，用于根据所述产业用电数据库构建产业用电知识图谱，基于皮尔逊相关系数的产业相似度度量模型计算上下游产业间的相关系数；
预警模块，用于根据计算出的相关系数，判断上下游产业间关系是否出现异常。
需要说明的是，本发明实施例提供的所述基于电力数据的产业链预警装置能够执行上述实施例中任意实施例所述的基于电力数据的产业链预警方法，对基于电力数据的产业链预警装置的具体功能在此不作赘述。
在本发明提供的又一实施例中，参见图4，是本发明另一实施例提供的基于电力数据的产业链预警装置的结构示意图；
所述装置的数据输入及管理模块具体包括数据输入、数据存储、数据预处理和数据编辑等各个单元；
所述应用模块包括知识图谱构建和产业相似度度量单元；
所述预警模块包括预警检测和预警发布单元；
所述装置还包括：可视化模块，用于输出折线图和热力图。
本实施例中的各个模块和单元能够执行上述实施例中任意实施例所述的基于电力数据的产业链预警方法对应的功能，对基于电力数据的产业链预警装置各个模块和单元的具体功能在此不作赘述。
参见图5，是本发明实施例提供的一种终端设备的结构示意图。该实施例的终端设备包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如基于电力数据的产业链预警程序。所述处理器执行所述计算机程序时实现上述各个基于电力数据的产业链预警方法实施例中的步骤，例如图1所示的步骤S1～S3。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块的功能。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。例如，所述计算机程序可以被分割成各个模块，各模块具体功能再次不作赘述。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种基于电力数据的产业链预警方法，其特征在于，所述方法包括：
根据输入的产业电力数据建立产业用电数据库；
根据所述产业用电数据库构建产业用电知识图谱，基于皮尔逊相关系数的产业相似度度量模型计算上下游产业间的相关系数；
根据计算出的相关系数，判断上下游产业间关系是否出现异常。
2.如权利要求1所述的基于电力数据的产业链预警方法，其特征在于，所述根据输入的产业电力数据建立产业用电数据库，具体包括：
收集分析预警所需的产业电力数据，并将收集的产业电力数据放入云端存储；
对存储的数据进行错漏处理、冗余处理和归一化处理，得到所述产业用电数据库；所述产业用电数据库包括产业链所含产业数据及全产业用电数据。
3.如权利要求2所述的基于电力数据的产业链预警方法，其特征在于，所述方法还包括：
对存储在云端中的数据进行数据查询、修改、添加和删除操作。
4.如权利要求1所述的基于电力数据的产业链预警方法，其特征在于，所述产业用电知识图谱构建过程具体包括：
根据所述产业用电数据库提取每个产业的用电数据，构建产业用电知识图谱；
提取的用电数据包括非金属矿采选业、非金属矿物制品业、建筑业及煤炭开采和洗选业的用电数据。
5.如权利要求1所述的基于电力数据的产业链预警方法，其特征在于，所述上下游产业间的相关系数计算过程，具体包括：
根据所述产业用电知识图谱提取产业链上下游产业，并提取相关每个产业的用电数据；
将提取的产业的用电数据输入到基于皮尔逊相关系数的产业相似度度量模型中，得到上下游产业间的相关系数输出；
所述产业相似度度量模型具体为：
其中，ρA,为产业a和产业b间的相关系数，A和B分别为产业a和产业b的产业用电量序列，A＝[a1,a2,...,an]，B＝[b1,b2,...,bn]，n为相同采集时间区间内的采集点数，a1～an以及b1～bn为产业用电量，cov(A,B)为产业用电量序列A和产业用电量序列B间的协方差，σA、σB分别为产业用电量序列A和产业用电量序列B的标准差，和/>分别为产业用电量序列A和产业用电量序列B的均值。
6.如权利要求1所述的基于电力数据的产业链预警方法，其特征在于，所述根据计算出的相关系数，判断上下游产业间关系是否出现异常，具体包括：
当计算出的相关系数为正，且不在预设第一阈值范围时，判定上下游产业间合作关系异常；
当计算出的相关系数为正，且在所述第一阈值范围时，判定上下游产业间合作关系正常；
当计算出的相关系数为负，且不在预设第二阈值范围时，判定上下游产业间竞争关系异常；
当计算出的相关系数为负，且在所述第二阈值范围时，判定上下游产业间竞争关系正常。
7.如权利要求1所述的基于电力数据的产业链预警方法，其特征在于，所述方法还包括：
根据计算得到的上下游产业间的相关系数生成上下游产业关联程度的相关性矩阵，并生成热力图输出；
将上下游产业用电量以折线图形式输出。
8.一种基于电力数据的产业链预警装置，其特征在于，所述装置包括：
数据输入及管理模块，用于根据输入的产业电力数据建立产业用电数据库；
应用模块，用于根据所述产业用电数据库构建产业用电知识图谱，基于皮尔逊相关系数的产业相似度度量模型计算上下游产业间的相关系数；
预警模块，用于根据计算出的相关系数，判断上下游产业间关系是否出现异常。
9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的基于电力数据的产业链预警方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的基于电力数据的产业链预警方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310555343.3A CN116629606A (zh) | 2023-05-15 | 2023-05-15 | 一种基于电力数据的产业链预警方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310555343.3A CN116629606A (zh) | 2023-05-15 | 2023-05-15 | 一种基于电力数据的产业链预警方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116629606A true CN116629606A (zh) | 2023-08-22 |
Family
ID=87641063
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310555343.3A Pending CN116629606A (zh) | 2023-05-15 | 2023-05-15 | 一种基于电力数据的产业链预警方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116629606A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117236521A (zh) * | 2023-11-10 | 2023-12-15 | 中国联合网络通信集团有限公司 | 产业风险等级预测方法、装置、设备及存储介质 |
| CN117910733A (zh) * | 2023-12-21 | 2024-04-19 | 快备新能源科技（上海）有限公司 | 一种用于风电产业的供应链管理方法及系统 |
-
2023
- 2023-05-15 CN CN202310555343.3A patent/CN116629606A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117236521A (zh) * | 2023-11-10 | 2023-12-15 | 中国联合网络通信集团有限公司 | 产业风险等级预测方法、装置、设备及存储介质 |
| CN117910733A (zh) * | 2023-12-21 | 2024-04-19 | 快备新能源科技（上海）有限公司 | 一种用于风电产业的供应链管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116629606A (zh) | 一种基于电力数据的产业链预警方法、装置、设备及介质 | |
| CN112148772A (zh) | 告警根因识别方法、装置、设备和存储介质 | |
| CN111563071A (zh) | 数据清洗方法、装置、终端设备及计算机可读存储介质 | |
| CN114168716A (zh) | 基于深度学习的工程造价自动抽取和分析方法及装置 | |
| CN111931809A (zh) | 数据的处理方法、装置、存储介质及电子设备 | |
| CN109857784A (zh) | 一种大数据统计分析系统 | |
| CN116127105B (zh) | 一种大数据平台的数据汇集方法及装置 | |
| CN115098679A (zh) | 文本分类标注样本的异常检测方法、装置、设备及介质 | |
| CN111767320A (zh) | 数据血缘关系确定方法及装置 | |
| CN117743566A (zh) | 分析报告的生成方法、装置、电子设备及存储介质 | |
| CN115829925A (zh) | 外观缺陷检测方法、装置、计算机设备及存储介质 | |
| CN115344495A (zh) | 批量任务测试的数据分析方法、装置、计算机设备及介质 | |
| CN115409541A (zh) | 基于数据血缘的卷烟品牌数据处理方法 | |
| CN112328951B (zh) | 一种分析样品的实验数据的处理方法 | |
| CN110083807B (zh) | 合同的修改影响自动预测方法、装置、介质及电子设备 | |
| CN114661684A (zh) | 基于条件随机场的日志报错信息处理方法及装置 | |
| CN110909112B (zh) | 数据提取方法、装置、终端设备及介质 | |
| CN113486086A (zh) | 一种基于特征工程的数据挖掘方法及系统 | |
| CN112232960A (zh) | 交易应用系统监控方法及装置 | |
| CN114547231A (zh) | 一种数据溯源的方法和系统 | |
| CN112115362A (zh) | 一种基于相似代码识别的编程信息推荐方法及装置 | |
| CN111221821A (zh) | 一种ai模型迭代更新方法、电子设备及存储介质 | |
| CN118278750B (zh) | 一种基于大数据技术的电网规划风险识别方法、装置、设备及存储介质 | |
| CN118410346A (zh) | 一种建筑工程项目清单数据智能处理方法 | |
| CN115687734A (zh) | 一种网页信息验证方法及相关装置 |
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 |