CN116702950A - 基于电力大数据对煤炭行业企业违规生产行为的预测方法 - Google Patents
基于电力大数据对煤炭行业企业违规生产行为的预测方法 Download PDFInfo
- Publication number
- CN116702950A CN116702950A CN202310504774.7A CN202310504774A CN116702950A CN 116702950 A CN116702950 A CN 116702950A CN 202310504774 A CN202310504774 A CN 202310504774A CN 116702950 A CN116702950 A CN 116702950A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- coal industry
- big data
- electric power
- production
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 156
- 239000003245 coal Substances 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 title claims abstract description 100
- 230000006399 behavior Effects 0.000 claims abstract description 100
- 230000008569 process Effects 0.000 claims description 82
- 239000002243 precursor Substances 0.000 claims description 36
- 239000013598 vector Substances 0.000 claims description 35
- 238000012795 verification Methods 0.000 claims description 18
- 230000005611 electricity Effects 0.000 description 13
- 230000009286 beneficial effect Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000452 restraining 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供基于电力大数据对煤炭行业企业违规生产行为的预测方法,其中方法包括:步骤S1:获取电力大数据;步骤S2:基于电力大数据,制定煤炭行业企业违规生产行为预测模板;步骤S3:获取煤炭行业企业当前的企业生产信息;步骤S4:基于煤炭行业企业违规生产行为预测模板,根据企业生产信息,对煤炭行业企业进行违规生产行为预测。本发明的基于电力大数据对煤炭行业企业违规生产行为的预测方法,无需工作人员在后台监视各煤矿企业的用电情况,人工分析煤矿企业是否存在可疑违规生产行为,降低了人力成本,另外,系统无精力层面可言,可以实现时刻对各煤炭行业企业进行违规生产行为预测,提升了预测预警的全面性和及时性。
Description
技术领域
本发明涉及计算机数据处理技术领域,特别涉及基于电力大数据对煤炭行业企业违规生产行为的预测方法。
背景技术
目前,煤炭行业企业在生产制造的过程中,会出现以下三类的可疑违规生产行为:
第一类、超能力和超强度生产。例如:煤矿企业某一月耗电数据同比、环比均出现激增,产能耗电比(总耗电/月均核定产能)较同区域煤矿呈显著异常等,可能出现超能力和超强度生产行为。
第二类、停产偷采。例如:煤矿企业已经上报停产,但煤矿企业的用电量超出矿区基础保障用电(员工宿舍用电、矿区照明设备用电等)的合理用电范围,可能出现停产偷采行为。
第三类、非计划停电。例如:煤矿企业需长时间停电未提前上报即实行,属于非计划停电。
为了进一步规范煤炭行业的生产行为,需要对这三类可疑违规生产行为进行预测预警。正常的,均是安排工作人员在后台监视各煤矿企业的用电情况,人工分析煤矿企业是否存在这三类可疑违规生产行为。
但是,这样实施会导致人力成本较大,另外,由于工作人员的精力一定是有限的,无法实现不间断对每一煤矿企业进行这三类可疑违规生产行为的预测预警,可能会出现预测预警不全面、不及时的情形发生。
发明内容
本发明目的之一在于提供了基于电力大数据对煤炭行业企业违规生产行为的预测方法,无需工作人员在后台监视各煤矿企业的用电情况,人工分析煤矿企业是否存在可疑违规生产行为,降低了人力成本,另外,系统无精力层面可言,可以实现时刻对各煤炭行业企业进行违规生产行为预测,提升了预测预警的全面性和及时性。
本发明实施例提供的基于电力大数据对煤炭行业企业违规生产行为的预测方法,包括:
步骤S1:获取电力大数据;
步骤S2:基于所述电力大数据,制定煤炭行业企业违规生产行为预测模板;
步骤S3:获取煤炭行业企业当前的企业生产信息;
步骤S4:基于所述煤炭行业企业违规生产行为预测模板,根据所述企业生产信息,对所述煤炭行业企业进行违规生产行为预测;
步骤S5:输出违规生产行为预测结果。
优选的,所述步骤S1:获取电力大数据,包括:
加载预设的电力信息平台;
分别对所述电力信息平台的第一可靠度和所述电力信息平台的数据来源的第二可靠度进行验证;
当为都通过验证时,基于预设的电力大数据获取模板,从对应所述电力信息平台上获取电力大数据。
优选的,对所述电力信息平台的第一可靠度进行验证,包括:
提取所述电力信息平台的信息提供历史的多个历史特征;
基于所述多个历史特征,构建第一概要向量;
计算所述第一概要向量与预设的多个第二概要向量中任一所述第二概要向量的相似度;
获取最大所述相似度的所述第二概要向量对应的预设的标准历史条件;
确定所述信息提供历史符合所述标准历史条件的符合度,并作为第一可靠度;
当所述第一可靠度大于等于预设的第一可靠度阈值时,通过验证。
优选的,对所述电力信息平台的数据来源的第二可靠度进行验证,包括:
获取数据来源的来源类型对应的预设的来源信息问询模板和预设的来源信息条件集;
基于所述来源信息问询模板,问询所述数据来源的来源信息;
确定所述来源信息符合所述来源信息条件集中各来源信息条件的平均符合度,并作为第二可靠度;
当所述第二可靠度大于等于预设的第二可靠度阈值时,通过验证。
优选的,所述步骤S2:基于所述电力大数据,制定煤炭行业企业违规生产行为预测模板,包括:
基于预设的事件索引检索模板,从所述电力大数据中检索出事件索引;
基于所述事件索引,从所述电力大数据中索引出多个违规类型的煤炭行业企业历史违规生产事件集;
依次遍历所述违规类型,每次遍历时,基于遍历到的所述违规类型的所述煤炭行业企业历史违规生产事件集,确定事发预兆,并与遍历到的所述违规类型进行关联;
遍历所述违规类型结束后,将多组一一关联的所述违规类型和所述事发预兆作为煤炭行业企业违规生产行为预测模板。
优选的,基于遍历到的所述违规类型的所述煤炭行业企业历史违规生产事件集,确定事发预兆,包括:
对遍历到的所述违规类型的所述煤炭行业企业历史违规生产事件集中各目标事件的事发过程进行局部聚类,获得局部过程集;
依次遍历所述事发过程,每次遍历时,将所述事发过程在预设的时序轴上展开,并确定所述事发过程中存在于所述局部过程集中的第一局部过程;
分析所述时序轴上所述第一局部过程的过程起点前预设的第一范围内两两第一过程项之间的差异度;
确定最大所述差异度对应的两两第一过程项中前一个所述第一过程项在所述时序轴上的第一位置;
分析所述时序轴上所述第一局部过程的过程终点后预设的第二范围内每一第二过程项的过程类型;
当连续预设数目的所述第二过程项的所述过程类型为应急处理时,确定所述时序轴上连续预设数目的所述第二过程项的前一个所述第二过程项在所述时序轴上的第二位置;
从所述时序轴上截取由所述第一位置至所述第二位置的第二局部过程,并作为事发预兆。
优选的,所述步骤S4:基于所述煤炭行业企业违规生产行为预测模板,根据所述企业生产信息,对所述煤炭行业企业进行违规生产行为预测,包括:
获取所述煤炭行业企业违规生产行为预测模板中任一所述事发预兆的涉及信息类型;
从所述企业生产信息中确定所述涉及信息类型的目标信息;
将所述目标信息与对应所述事发预兆进行匹配,获取匹配度;
当所述匹配度大于等于预设的匹配度阈值时,将所述煤炭行业企业违规生产行为预测模板中对应所述事发预兆关联的所述违规类型作为违规生产行为预测结果。
本发明实施例提供的基于电力大数据对煤炭行业企业违规生产行为的预测系统,包括:
电力大数据获取模块,用于获取电力大数据;
违规生产行为预测模板制定模块,用于基于所述电力大数据,制定煤炭行业企业违规生产行为预测模板;
企业生产信息获取模块,用于获取煤炭行业企业当前的企业生产信息;
违规生产行为预测模块,用于基于所述煤炭行业企业违规生产行为预测模板,根据所述企业生产信息,对所述煤炭行业企业进行违规生产行为预测;
违规生产行为预测结果输出模块,用于输出违规生产行为预测结果。
优选的,所述电力大数据获取模块获取电力大数据,执行如下操作:
加载预设的电力信息平台;
分别对所述电力信息平台的第一可靠度和所述电力信息平台的数据来源的第二可靠度进行验证;
当为都通过验证时,基于预设的电力大数据获取模板,从对应所述电力信息平台上获取电力大数据。
优选的,所述电力大数据获取模块对所述电力信息平台的第一可靠度进行验证,执行如下操作:
提取所述电力信息平台的信息提供历史的多个历史特征;
基于所述多个历史特征,构建第一概要向量;
计算所述第一概要向量与预设的多个第二概要向量中任一所述第二概要向量的相似度;
获取最大所述相似度的所述第二概要向量对应的预设的标准历史条件;
确定所述信息提供历史符合所述标准历史条件的符合度,并作为第一可靠度;
当所述第一可靠度大于等于预设的第一可靠度阈值时,通过验证。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中基于电力大数据对煤炭行业企业违规生产行为的预测方法的示意图;
图2为本发明实施例中基于电力大数据对煤炭行业企业违规生产行为的预测系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了基于电力大数据对煤炭行业企业违规生产行为的预测方法,如图1所示,包括:
步骤S1:获取电力大数据;电力大数据包括:大量的不同煤炭行业企业的历史违规生产事件,例如:煤矿企业超能力和超强度生产事件、煤矿企业停产偷采事件和煤矿企业非计划停电事件等;
步骤S2:基于所述电力大数据,制定煤炭行业企业违规生产行为预测模板;
步骤S3:获取煤炭行业企业当前的企业生产信息;企业生产信息包括:当日用电量、当月用电量、历史每日用电量和历史每月用电量等;
步骤S4:基于所述煤炭行业企业违规生产行为预测模板,根据所述企业生产信息,对所述煤炭行业企业进行违规生产行为预测;
步骤S5:输出违规生产行为预测结果。
上述技术方案的工作原理及有益效果为:
基于由历史违规生产事件组成的电力大数据,制定煤炭行业企业违规生产行为预测模板,根据煤炭行业企业当前的企业生产信息,进行违规生产行为预测,最后输出预测结果。在具体应用的时候,系统可以自行对各煤炭行业企业进行违规生产行为预测,当预测到可能出现违规生产行为时,输出预警给相关工作人员,由工作人员再进行核实/提醒相关煤炭行业企业。步骤S1、步骤S2以及步骤S4的具体工作原理将一一在以下实施例中说明。
本申请无需工作人员在后台监视各煤矿企业的用电情况,人工分析煤矿企业是否存在可疑违规生产行为,降低了人力成本,另外,系统无精力层面可言,可以实现时刻对各煤炭行业企业进行违规生产行为预测,提升了预测预警的全面性和及时性。
在一个实施例中,所述步骤S1:获取电力大数据,包括:
加载预设的电力信息平台;电力信息平台为记录/发布煤炭行业企业的历史违规生产事件的平台,例如:煤炭行业企业监管部门官方网站、煤炭行业新闻平台、煤炭行业所处地区的电力部门官方网站等;
分别对所述电力信息平台的第一可靠度和所述电力信息平台的数据来源的第二可靠度进行验证;相应的,数据来源为,例如:煤炭行业市场监督部门/人员监测、群众举报等;
当为都通过验证时,基于预设的电力大数据获取模板,从对应所述电力信息平台上获取电力大数据。电力大数据获取模板是为了约束获取过程仅获取历史违规生产事件,不获取其他无关信息。
上述技术方案的工作原理及有益效果为:
从电力信息平台上进行电力大数据的获取,可以提升了电力大数据获取的丰富性。另外,由于电力信息平台的多样性,电力信息平台上的信息可能存在不可信的情形,因此,对电力信息平台的第一可靠度和电力信息平台的数据来源的第二可靠度进行验证,保证电力大数据获取的获取质量。对电力信息平台的第一可靠度和电力信息平台的数据来源的第二可靠度进行验证的具体工作原理将一一在以下实施例中说明。
在一个实施例中,对所述电力信息平台的第一可靠度进行验证,包括:
提取所述电力信息平台的信息提供历史的多个历史特征;历史特征包括:历史上提供煤炭行业企业的历史违规生产事件的提供数量、被提供方回复的评价等;
基于所述多个历史特征,构建第一概要向量;以向量形式将历史特征表示即可构建出第一概要向量;
计算所述第一概要向量与预设的多个第二概要向量中任一所述第二概要向量的相似度;第二向量也是由一些历史特征以向量形式表示出而构建;
获取最大所述相似度的所述第二概要向量对应的预设的标准历史条件;第二概要向量与标准历史条件一一对应,标准历史条件为在表示电力信息平台可信的前提下,组成第二概要向量的历史特征代表的信息提供历史需满足的条件,例如:组成第二概要向量的历史特征为历史上提供煤炭行业企业的历史违规生产事件的提供数量100、被提供方回复的评价20,则标准历史条件为评价中15为好评;
确定所述信息提供历史符合所述标准历史条件的符合度,并作为第一可靠度;相应的,符合度越大,电力信息平台越可信;
当所述第一可靠度大于等于预设的第一可靠度阈值时,通过验证。
上述技术方案的工作原理及有益效果为:
电力信息平台是否可靠主要依据于电力信息平台的信息提供历史确定。首先,引入第一概要向量和第二概要向量,基于两者的相似度,确定信息提供历史能够代表电力信息平台可信应符合的标准历史条件,基于信息提供历史符合标准历史条件的符合度进行验证。提升了对电力信息平台的第一可靠度进行验证的精准性和验证效率。
在一个实施例中,对所述电力信息平台的数据来源的第二可靠度进行验证,包括:
获取数据来源的来源类型对应的预设的来源信息问询模板和预设的来源信息条件集;来源信息问询模板是为了约束问询过程仅问询验证数据来源可信需要的来源信息,例如:数据来源为煤炭行业市场监督部门/人员,则问询部门/人员的资质;来源信息条件集为由代表数据来源可信时问询的来源信息需满足的条件组成的集合,例如:资质合法条件、资质齐全条件等;
基于所述来源信息问询模板,问询所述数据来源的来源信息;
确定所述来源信息符合所述来源信息条件集中各来源信息条件的平均符合度,并作为第二可靠度;平均符合度越大,说明数据来源总体越可信;
当所述第二可靠度大于等于预设的第二可靠度阈值时,通过验证。
上述技术方案的工作原理及有益效果为:
根据数据来源的来源类型的不同,分别引入对应的来源信息问询模板来源信息条件集,基于来源信息符合所述来源信息条件集中各来源信息条件的平均符合度进行验证。提升了对电力信息平台的数据来源的第二可靠度进行验证的精准性和验证效率。
在一个实施例中,所述步骤S2:基于所述电力大数据,制定煤炭行业企业违规生产行为预测模板,包括:
基于预设的事件索引检索模板,从所述电力大数据中检索出事件索引;事件索引检索模板是为了限定检索过程仅检索事件索引;事件索引代表煤炭行业企业历史违规生产事件的类型;
基于所述事件索引,从所述电力大数据中索引出多个违规类型的煤炭行业企业历史违规生产事件集;违规类型包括:超能力和超强度生产、停产偷采和非计划停电;
依次遍历所述违规类型,每次遍历时,基于遍历到的所述违规类型的所述煤炭行业企业历史违规生产事件集,确定事发预兆,并与遍历到的所述违规类型进行关联;
遍历所述违规类型结束后,将多组一一关联的所述违规类型和所述事发预兆作为煤炭行业企业违规生产行为预测模板。
上述技术方案的工作原理及有益效果为:
基于事件索引将电力大数据归类成多个违规类型的煤炭行业企业历史违规生产事件集,每确定出一个事发预兆时,与违规类型关联,使得不同违规类型关联有多个事发预兆,提升煤炭行业企业违规生产行为预测模板制定的全面性和合理性。
在一个实施例中,基于遍历到的所述违规类型的所述煤炭行业企业历史违规生产事件集,确定事发预兆,包括:
对遍历到的所述违规类型的所述煤炭行业企业历史违规生产事件集中各目标事件的事发过程进行局部聚类,获得局部过程集;事发过程包含:事发前、事发时和事发后煤炭行业企业的用电信息以及事发后煤炭行业企业采取的应急处理措施等;局部聚类包括:相同违规类型的事发过程一定会存在局部相似/相同,局部聚类的过程就是将相同违规类型的不同事发过程之间存在局部相似/相同的局部过程提取出来;
依次遍历所述事发过程,每次遍历时,将所述事发过程在预设的时序轴上展开,并确定所述事发过程中存在于所述局部过程集中的第一局部过程;时序轴为一时间轴;
分析所述时序轴上所述第一局部过程的过程起点前预设的第一范围内两两第一过程项之间的差异度;预设的第一范围为一时间范围,可由工作人员根据实际需求设定;
确定最大所述差异度对应的两两第一过程项中前一个所述第一过程项在所述时序轴上的第一位置;
分析所述时序轴上所述第一局部过程的过程终点后预设的第二范围内每一第二过程项的过程类型;预设的第二范围为一时间范围,可由工作人员根据实际需求设定;
当连续预设数目的所述第二过程项的所述过程类型为应急处理时,确定所述时序轴上连续预设数目的所述第二过程项的前一个所述第二过程项在所述时序轴上的第二位置;预设数目优选为2,也可由工作人员根据实际需求设定;
从所述时序轴上截取由所述第一位置至所述第二位置的第二局部过程,并作为事发预兆。
上述技术方案的工作原理及有益效果为:
一般的,一种违规类型事件的事发过程的事发预兆需要工作人员人工进行分析提取,人力成本巨大,特别是当处理大量违规类型事件的事发过程的事发预兆时,短时间内无法完成,一定程度上降低了事发预兆的确定效率。另外,出于心理上的保守,人工进行分析提取事发预兆多会在事发过程中的事发时间点向前过多保留,这样做可能会后续基于提取出的事发预兆进行违规行为预测的效率降低。
正常的,相同违规类型的事发过程一定会存在局部相似/相同(例如:同为非计划停电这一违规类型的事发过程均会有一段时间用电量为0的局部过程),另外,当出现违规生产行为时,事发前一定会有差异度很大的两个第一过程项(例如:反应用电量陡降、激增等的两个第一过程项),另外当事发时,煤炭行业企业会立刻进行应急处理即存在过程类型为应急处理的第二过程项。因此,本发明实施例首先进行局部聚类,在基于每一事发过程中事发过程在局部聚类集中的第一局部过程前和后分别确定预兆起点即第一位置和预兆终点即第二位置,基于第一位置和第二位置截取出可以作为事发预兆的第二局部过程。提升了事发预兆提取的精准性,无需人工进行分析提取,降低了人力成本,提升了后续基于提取出的事发预兆进行违规行为预测的效率。
在一个实施例中,所述步骤S4:基于所述煤炭行业企业违规生产行为预测模板,根据所述企业生产信息,对所述煤炭行业企业进行违规生产行为预测,包括:
获取所述煤炭行业企业违规生产行为预测模板中任一所述事发预兆的涉及信息类型;
从所述企业生产信息中确定所述涉及信息类型的目标信息;
将所述目标信息与对应所述事发预兆进行匹配,获取匹配度;
当所述匹配度大于等于预设的匹配度阈值时,将所述煤炭行业企业违规生产行为预测模板中对应所述事发预兆关联的所述违规类型作为违规生产行为预测结果。
上述技术方案的工作原理及有益效果为:
使用煤炭行业企业违规生产行为预测模板时,将企业生产信息中与事发预兆的涉及信息类型对应的目标信息与事发预兆进行匹配,当匹配度大于等于预设的匹配度阈值时,输出对应违规类型作为违规生产行为预测结果即可。提升了违规生产行为预测的预测效率。
本发明实施例提供了基于电力大数据对煤炭行业企业违规生产行为的预测系统,如图2所示,包括:
电力大数据获取模块1,用于获取电力大数据;
违规生产行为预测模板制定模块2,用于基于所述电力大数据,制定煤炭行业企业违规生产行为预测模板;
企业生产信息获取模块3,用于获取煤炭行业企业当前的企业生产信息;
违规生产行为预测模块4,用于基于所述煤炭行业企业违规生产行为预测模板,根据所述企业生产信息,对所述煤炭行业企业进行违规生产行为预测;
违规生产行为预测结果输出模块5,用于输出违规生产行为预测结果。
在一个实施例中,所述电力大数据获取模块1获取电力大数据,执行如下操作:
加载预设的电力信息平台;
分别对所述电力信息平台的第一可靠度和所述电力信息平台的数据来源的第二可靠度进行验证;
当为都通过验证时,基于预设的电力大数据获取模板,从对应所述电力信息平台上获取电力大数据。
在一个实施例中,所述电力大数据获取模块1对所述电力信息平台的第一可靠度进行验证,执行如下操作:
提取所述电力信息平台的信息提供历史的多个历史特征;
基于所述多个历史特征,构建第一概要向量;
计算所述第一概要向量与预设的多个第二概要向量中任一所述第二概要向量的相似度;
获取最大所述相似度的所述第二概要向量对应的预设的标准历史条件;
确定所述信息提供历史符合所述标准历史条件的符合度,并作为第一可靠度;
当所述第一可靠度大于等于预设的第一可靠度阈值时,通过验证。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.基于电力大数据对煤炭行业企业违规生产行为的预测方法,其特征在于,包括:
步骤S1:获取电力大数据;
步骤S2:基于所述电力大数据,制定煤炭行业企业违规生产行为预测模板;
步骤S3:获取煤炭行业企业当前的企业生产信息;
步骤S4:基于所述煤炭行业企业违规生产行为预测模板,根据所述企业生产信息,对所述煤炭行业企业进行违规生产行为预测;
步骤S5:输出违规生产行为预测结果。
2.如权利要求1所述的基于电力大数据对煤炭行业企业违规生产行为的预测方法,其特征在于,所述步骤S1:获取电力大数据,包括:
加载预设的电力信息平台;
分别对所述电力信息平台的第一可靠度和所述电力信息平台的数据来源的第二可靠度进行验证;
当为都通过验证时,基于预设的电力大数据获取模板,从对应所述电力信息平台上获取电力大数据。
3.如权利要求2所述的基于电力大数据对煤炭行业企业违规生产行为的预测方法,其特征在于,对所述电力信息平台的第一可靠度进行验证,包括:
提取所述电力信息平台的信息提供历史的多个历史特征;
基于所述多个历史特征,构建第一概要向量;
计算所述第一概要向量与预设的多个第二概要向量中任一所述第二概要向量的相似度;
获取最大所述相似度的所述第二概要向量对应的预设的标准历史条件;
确定所述信息提供历史符合所述标准历史条件的符合度,并作为第一可靠度;
当所述第一可靠度大于等于预设的第一可靠度阈值时,通过验证。
4.如权利要求2所述的基于电力大数据对煤炭行业企业违规生产行为的预测方法,其特征在于,对所述电力信息平台的数据来源的第二可靠度进行验证,包括:
获取数据来源的来源类型对应的预设的来源信息问询模板和预设的来源信息条件集;
基于所述来源信息问询模板,问询所述数据来源的来源信息;
确定所述来源信息符合所述来源信息条件集中各来源信息条件的平均符合度,并作为第二可靠度;
当所述第二可靠度大于等于预设的第二可靠度阈值时,通过验证。
5.如权利要求1所述的基于电力大数据对煤炭行业企业违规生产行为的预测方法,其特征在于,所述步骤S2:基于所述电力大数据,制定煤炭行业企业违规生产行为预测模板,包括:
基于预设的事件索引检索模板,从所述电力大数据中检索出事件索引;
基于所述事件索引,从所述电力大数据中索引出多个违规类型的煤炭行业企业历史违规生产事件集;
依次遍历所述违规类型,每次遍历时,基于遍历到的所述违规类型的所述煤炭行业企业历史违规生产事件集,确定事发预兆,并与遍历到的所述违规类型进行关联;
遍历所述违规类型结束后,将多组一一关联的所述违规类型和所述事发预兆作为煤炭行业企业违规生产行为预测模板。
6.如权利要求5所述的基于电力大数据对煤炭行业企业违规生产行为的预测方法,其特征在于,基于遍历到的所述违规类型的所述煤炭行业企业历史违规生产事件集,确定事发预兆,包括:
对遍历到的所述违规类型的所述煤炭行业企业历史违规生产事件集中各目标事件的事发过程进行局部聚类,获得局部过程集;
依次遍历所述事发过程,每次遍历时,将所述事发过程在预设的时序轴上展开,并确定所述事发过程中存在于所述局部过程集中的第一局部过程;
分析所述时序轴上所述第一局部过程的过程起点前预设的第一范围内两两第一过程项之间的差异度;
确定最大所述差异度对应的两两第一过程项中前一个所述第一过程项在所述时序轴上的第一位置;
分析所述时序轴上所述第一局部过程的过程终点后预设的第二范围内每一第二过程项的过程类型;
当连续预设数目的所述第二过程项的所述过程类型为应急处理时,确定所述时序轴上连续预设数目的所述第二过程项的前一个所述第二过程项在所述时序轴上的第二位置;
从所述时序轴上截取由所述第一位置至所述第二位置的第二局部过程,并作为事发预兆。
7.如权利要求5所述的基于电力大数据对煤炭行业企业违规生产行为的预测方法,其特征在于,所述步骤S4:基于所述煤炭行业企业违规生产行为预测模板,根据所述企业生产信息,对所述煤炭行业企业进行违规生产行为预测,包括:
获取所述煤炭行业企业违规生产行为预测模板中任一所述事发预兆的涉及信息类型;
从所述企业生产信息中确定所述涉及信息类型的目标信息;
将所述目标信息与对应所述事发预兆进行匹配,获取匹配度;
当所述匹配度大于等于预设的匹配度阈值时,将所述煤炭行业企业违规生产行为预测模板中对应所述事发预兆关联的所述违规类型作为违规生产行为预测结果。
8.基于电力大数据对煤炭行业企业违规生产行为的预测系统,其特征在于,包括:
电力大数据获取模块,用于获取电力大数据;
违规生产行为预测模板制定模块,用于基于所述电力大数据,制定煤炭行业企业违规生产行为预测模板;
企业生产信息获取模块,用于获取煤炭行业企业当前的企业生产信息;
违规生产行为预测模块,用于基于所述煤炭行业企业违规生产行为预测模板,根据所述企业生产信息,对所述煤炭行业企业进行违规生产行为预测;
违规生产行为预测结果输出模块,用于输出违规生产行为预测结果。
9.如权利要求8所述的基于电力大数据对煤炭行业企业违规生产行为的预测系统,其特征在于,所述电力大数据获取模块获取电力大数据,执行如下操作:
加载预设的电力信息平台;
分别对所述电力信息平台的第一可靠度和所述电力信息平台的数据来源的第二可靠度进行验证;
当为都通过验证时,基于预设的电力大数据获取模板,从对应所述电力信息平台上获取电力大数据。
10.如权利要求9所述的基于电力大数据对煤炭行业企业违规生产行为的预测系统,其特征在于,所述电力大数据获取模块对所述电力信息平台的第一可靠度进行验证,执行如下操作:
提取所述电力信息平台的信息提供历史的多个历史特征;
基于所述多个历史特征,构建第一概要向量;
计算所述第一概要向量与预设的多个第二概要向量中任一所述第二概要向量的相似度;
获取最大所述相似度的所述第二概要向量对应的预设的标准历史条件;
确定所述信息提供历史符合所述标准历史条件的符合度,并作为第一可靠度;
当所述第一可靠度大于等于预设的第一可靠度阈值时,通过验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310504774.7A CN116702950B (zh) | 2023-05-06 | 2023-05-06 | 基于电力大数据对煤炭行业企业违规生产行为的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310504774.7A CN116702950B (zh) | 2023-05-06 | 2023-05-06 | 基于电力大数据对煤炭行业企业违规生产行为的预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116702950A true CN116702950A (zh) | 2023-09-05 |
CN116702950B CN116702950B (zh) | 2024-01-23 |
Family
ID=87833025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310504774.7A Active CN116702950B (zh) | 2023-05-06 | 2023-05-06 | 基于电力大数据对煤炭行业企业违规生产行为的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116702950B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102903009A (zh) * | 2012-09-25 | 2013-01-30 | 浙江图讯科技有限公司 | 一种用于面向工矿企业的安全生产云服务平台的基于广义规则推理的异常诊断方法 |
US20160196515A1 (en) * | 2015-01-05 | 2016-07-07 | International Business Machines Corporation | Detecting business anomalies utilizing information velocity and other parameters using statistical analysis |
CN110968604A (zh) * | 2019-12-05 | 2020-04-07 | 长春嘉诚信息技术股份有限公司 | 一种自动检索互联网经营企业违规经营的方法 |
CN111553563A (zh) * | 2020-04-07 | 2020-08-18 | 国网电子商务有限公司 | 企业欺诈风险的确定方法及装置 |
CN113158686A (zh) * | 2021-04-27 | 2021-07-23 | 中国科学院计算机网络信息中心 | 网络文化经营合规检测方法、装置、可读介质及电子设备 |
CN114355808A (zh) * | 2021-12-27 | 2022-04-15 | 国网山东省电力公司临沂供电公司 | 基于大数据的安全生产用电监测系统 |
CN114663698A (zh) * | 2022-03-07 | 2022-06-24 | 盛景智能科技(嘉兴)有限公司 | 生产违规事件检测方法及装置 |
CN115577968A (zh) * | 2022-11-02 | 2023-01-06 | 中国安全生产科学研究院 | 一种基于企业违章管理和自动违规判定的积分系统及方法 |
CN115718861A (zh) * | 2022-11-14 | 2023-02-28 | 国网江苏省电力有限公司营销服务中心 | 高耗能行业中用电用户的分类与异常行为监测方法及系统 |
-
2023
- 2023-05-06 CN CN202310504774.7A patent/CN116702950B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102903009A (zh) * | 2012-09-25 | 2013-01-30 | 浙江图讯科技有限公司 | 一种用于面向工矿企业的安全生产云服务平台的基于广义规则推理的异常诊断方法 |
US20160196515A1 (en) * | 2015-01-05 | 2016-07-07 | International Business Machines Corporation | Detecting business anomalies utilizing information velocity and other parameters using statistical analysis |
CN110968604A (zh) * | 2019-12-05 | 2020-04-07 | 长春嘉诚信息技术股份有限公司 | 一种自动检索互联网经营企业违规经营的方法 |
CN111553563A (zh) * | 2020-04-07 | 2020-08-18 | 国网电子商务有限公司 | 企业欺诈风险的确定方法及装置 |
CN113158686A (zh) * | 2021-04-27 | 2021-07-23 | 中国科学院计算机网络信息中心 | 网络文化经营合规检测方法、装置、可读介质及电子设备 |
CN114355808A (zh) * | 2021-12-27 | 2022-04-15 | 国网山东省电力公司临沂供电公司 | 基于大数据的安全生产用电监测系统 |
CN114663698A (zh) * | 2022-03-07 | 2022-06-24 | 盛景智能科技(嘉兴)有限公司 | 生产违规事件检测方法及装置 |
CN115577968A (zh) * | 2022-11-02 | 2023-01-06 | 中国安全生产科学研究院 | 一种基于企业违章管理和自动违规判定的积分系统及方法 |
CN115718861A (zh) * | 2022-11-14 | 2023-02-28 | 国网江苏省电力有限公司营销服务中心 | 高耗能行业中用电用户的分类与异常行为监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116702950B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109343395B (zh) | 一种核电厂dcs操作日志的异常检测系统和方法 | |
US8554403B2 (en) | Vehicle failure diagnostic device | |
CN106209405B (zh) | 故障诊断方法及装置 | |
US20120290497A1 (en) | Failure diagnosis system, failure diagnosis device and failure diagnosis program | |
US20200233406A1 (en) | Production management method and system | |
CN115730815B (zh) | 基于物联感知的工业生产安全风险预警系统及方法 | |
CN111241072B (zh) | 一种判断数据段连续性的方法及其系统 | |
CN111737549B (zh) | 一种经济指标智能分析系统 | |
CN112363891B (zh) | 一种基于细粒度事件和KPIs分析的异常原因获得方法 | |
CN116702950B (zh) | 基于电力大数据对煤炭行业企业违规生产行为的预测方法 | |
CN117141265A (zh) | 一种智能无线充电桩的运行监测系统及监测方法 | |
CN113609216A (zh) | 基于区块链的产品质量诊断方法、装置、设备及存储介质 | |
CN112529191A (zh) | 一种基于混沌算法的泵站故障树建立方法 | |
CN116523722A (zh) | 一种具备机器学习能力的环境监测分析系统 | |
CN115879697A (zh) | 一种工业互联网的数据处理方法、系统、设备及存储介质 | |
CN110716528A (zh) | 基于专家系统的大型液压机远程故障诊断方法与装置 | |
CN115684807A (zh) | 一种基于智能录波器的继电保护装置缺陷检测方法及系统 | |
CN115208641A (zh) | 一种基于互联网数据安全运行的软件方法 | |
CN106056223A (zh) | 用于车辆远程诊断与备件检索的平台 | |
CN110175200A (zh) | 一种基于人工智能算法的异常用能分析方法及系统 | |
CN116610642B (zh) | 一种多类型设备日志审计方法及系统 | |
CN118092401B (zh) | 煤矿井下设备故障诊断与预测性维护平台 | |
CN113742508B (zh) | 一种电力设备在线监测海量信息的图形数据挖掘方法 | |
CN117675206B (zh) | 基于智慧城市政务数据综合管理服务平台及数据治理方法 | |
CN116546095B (zh) | 一种不同智慧社区的资源整合数据可信共享系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |