CN116804993B - 一种具备时序数据特征的可视化表达方法 - Google Patents
一种具备时序数据特征的可视化表达方法 Download PDFInfo
- Publication number
- CN116804993B CN116804993B CN202311054263.6A CN202311054263A CN116804993B CN 116804993 B CN116804993 B CN 116804993B CN 202311054263 A CN202311054263 A CN 202311054263A CN 116804993 B CN116804993 B CN 116804993B
- Authority
- CN
- China
- Prior art keywords
- data
- value
- visual
- power
- time
- 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.)
- Active
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012937 correction Methods 0.000 claims abstract description 111
- 238000012216 screening Methods 0.000 claims abstract description 33
- 230000002776 aggregation Effects 0.000 claims abstract description 21
- 238000004220 aggregation Methods 0.000 claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 230000004931 aggregating effect Effects 0.000 claims abstract description 19
- 238000012800 visualization Methods 0.000 claims description 77
- 230000004044 response Effects 0.000 claims description 30
- 238000013507 mapping Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 108010015046 cell aggregation factors Proteins 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000004590 computer program Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种具备时序数据特征的可视化表达方法，所属领域为数据的时序关系技术领域，所述方法包括：对电力可视化数据进行预处理，得到第一数据集；基于所述第一数据集，筛选出预设时间维度下的电力运行时序数据，并对所述电力运行时序数据进行聚合，得到第二数据集；基于预构建的数据校正模型，对所述第二数据集进行校正，得到数据校正结果；基于所述数据校正结果，构建可视化图形并保存至目标数据库中，以供用户端查找使用。本申请可以对海量数据进行聚合化分析，在不丢失数据特征情况下，降低数据分析所占空间，且能直观地可视化展示出数据趋势及关键数据，提高了电力可视化数据的分析效率以及电力系统数据分析的可靠性。
Description
技术领域
本申请涉及数据的时序关系技术领域，特别是涉及一种具备时序数据特征的可视化表达方法。
背景技术
为了实现电力系统状态监测、故障预警和诊断，配电室内部安装了大量传感器，在电力系统运行过程中，这些传感器采集的数据将持续不断的发送到上位机电脑中。以一个小型配电室为例，采集到的数据包括三相电压、三相电流、有功功率、无功功率、变压器绕组温度、风机启停、跳闸、开关事故动作信息、电容温度等多个参数变量，假设配电室中有20个运行参数采集，以每5秒一次的采样速率计算，配电室运转一天会收集到约345,600条数据记录，在配电室以年计算的长时间运行过程中，会生成总量巨大的数据。
而这些运行数据在实际应用过程中会发现，大量的运行时序数据存在冗余数据较多等问题，且从业务角度考虑，电力运维人员很难从海量的时序数据中观察到有用的信息，业务人员更多希望直观看到数据所展现出来的趋势。
因此，如何对海量数据进行分析，在不丢失其特征情况下，直观地展示出数据趋势，是目前急需解决的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种具备时序数据特征的可视化表达方法、装置、计算机设备和存储介质。
一方面，提供一种具备时序数据特征的可视化表达方法，所述方法包括：
获取电力可视化数据，对所述电力可视化数据进行预处理，得到第一数据集，所述电力可视化数据包括类别标识和数据内容；
基于所述第一数据集，筛选出预设时间维度下的电力运行时序数据，并对所述电力运行时序数据进行聚合，得到第二数据集；
基于预构建的数据校正模型，对所述第二数据集进行校正，得到数据校正结果；
基于所述数据校正结果，构建可视化图形并保存至目标数据库中，以供用户端查找使用。
可选的，所述获取电力可视化数据，对所述电力可视化数据进行预处理，得到第一数据集包括：
基于所述类别标识对所述电力可视化数据进行分类；
根据分类结果，匹配获取不同类别对应的时序数据模式库；
基于所述时序数据模式库，对所述电力可视化数据进行筛选，得到所述第一数据集。
可选的，所述基于所述时序数据模式库，对所述电力可视化数据进行筛选，得到所述第一数据集包括：
基于所述时序数据模式库，匹配所述电力可视化数据中对应的数据集；
响应于检测到所述时序数据模式库的目标模块匹配到多个所述电力可视化数据时，获取所述电力可视化数据的数据内容属性值；
筛选并保存所述数据内容属性值小于或等于预设阈值的所述电力可视化数据，得到所述第一数据集。
可选的，所述电力可视化数据的数据内容属性值的获取方法包括：
定义所述电力可视化数据的数据内容属性值为，其中，数据内容属性值的计算公式为：
其中，表示电力可视化数据采集端口值，、均表示常数系数，表示类别系数，表示数据内容转换系数，表示数据内容字节数，表示自定义函数；
将所述数据内容属性值与预设阈值进行比较；
响应于检测到时，将所述数据内容属性值对应的所述电力可视化数据保存为所述第一数据集的数据。
可选的，所述基于所述第一数据集，筛选出预设时间维度下的电力运行时序数据，并对所述电力运行时序数据进行聚合，得到第二数据集包括：
获取不同类别的电力可视化数据的采集时间间隔，确定多个时间间隔的中间值为预设时间间隔；
基于预设时间范围的起始时间、结束时间以及所述预设时间间隔，确定所述预设时间维度。
可选的，还包括：
响应于检测到目标电力可视化数据的采集时间间隔大于所述预设时间间隔时，计算第一相邻时间节点对应数据的第一平均值，将所述第一平均值定义为预设时间间隔对应节点的数据值；
响应于检测到目标电力可视化数据的采集时间间隔小于所述预设时间间隔时，计算第二相邻时间节点对应数据的第二平均值，将所述第二平均值定义为预设时间间隔对应节点的数据值。
可选的，还包括：
利用聚合函数对所述电力运行时序数据进行聚合，所述聚合函数包括：
其中，表示目标时间节点对应的聚合维度值,表示聚合函数,表示同类参数变量值,表示不同类参数变量值,表示时间维度赋值,表示聚合系数,表示数据内容属性关联度；
基于多个时间节点与其对应的聚合维度值形成一一映射关系，并保存，以得到第二数据集。
可选的，所述基于预构建的数据校正模型，对所述第二数据集进行校正，得到数据校正结果包括：
将目标聚合维度值输入至预构建的数据校正模型，所述数据校正模型包括：
其中，表示校正值，表示目标聚合维度值对应的时间节点排序值，表示修正函数；
确定所述校正值为所述第二数据集中相关数据的校正结果。
可选的，所述基于所述数据校正结果，构建可视化图形包括：
以时间节点为横坐标，校正值为纵坐标，生成二维坐标系；
连接所述校正值，生成对应的折线；
分别计算得到目标校正值与相邻时间节点对应的校正值之间的第一斜率和第二斜率；
响应于检测到所述第一斜率和第二斜率之和大于第一预设值时，对所述目标校正值进行标记；
基于标记后的折线，生成可视化图形并在可视化界面进行展示。
另一方面，提供了一种具备时序数据特征的可视化表达装置，所述装置包括：
预处理模块，用于获取电力可视化数据，对所述电力可视化数据进行预处理，得到第一数据集，所述电力可视化数据包括类别标识和数据内容；
筛选模块，用于基于所述第一数据集，筛选出预设时间维度下的电力运行时序数据，并对所述电力运行时序数据进行聚合，得到第二数据集；
校正模块，用于基于预构建的数据校正模型，对所述第二数据集进行校正，得到数据校正结果；
可视化模块，用于基于所述数据校正结果，构建可视化图形并保存至目标数据库中，以供用户端查找使用。
再一方面，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，所述处理器执行所述计算机程序时实现以下步骤：
获取电力可视化数据，对所述电力可视化数据进行预处理，得到第一数据集，所述电力可视化数据包括类别标识和数据内容；
基于所述第一数据集，筛选出预设时间维度下的电力运行时序数据，并对所述电力运行时序数据进行聚合，得到第二数据集；
基于预构建的数据校正模型，对所述第二数据集进行校正，得到数据校正结果；
基于所述数据校正结果，构建可视化图形并保存至目标数据库中，以供用户端查找使用。
又一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取电力可视化数据，对所述电力可视化数据进行预处理，得到第一数据集，所述电力可视化数据包括类别标识和数据内容；
基于所述第一数据集，筛选出预设时间维度下的电力运行时序数据，并对所述电力运行时序数据进行聚合，得到第二数据集；
基于预构建的数据校正模型，对所述第二数据集进行校正，得到数据校正结果；
基于所述数据校正结果，构建可视化图形并保存至目标数据库中，以供用户端查找使用。
上述具备时序数据特征的可视化表达方法、装置、计算机设备和存储介质，所述方法包括：获取电力可视化数据，对所述电力可视化数据进行预处理，得到第一数据集，所述电力可视化数据包括类别标识和数据内容；基于所述第一数据集，筛选出预设时间维度下的电力运行时序数据，并对所述电力运行时序数据进行聚合，得到第二数据集；基于预构建的数据校正模型，对所述第二数据集进行校正，得到数据校正结果；基于所述数据校正结果，构建可视化图形并保存至目标数据库中，以供用户端查找使用，本申请可以对海量数据进行聚合化分析，在不丢失数据特征情况下，降低数据分析所占空间，且能直观地可视化展示出数据趋势及关键数据，提高了电力可视化数据的分析效率以及电力系统数据分析的可靠性。
附图说明
图1为一个实施例中具备时序数据特征的可视化表达方法的应用环境图；
图2为一个实施例中具备时序数据特征的可视化表达方法的流程示意图；
图3为一个实施例中具备时序数据特征的可视化表达装置的结构框图；
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应当理解，在本申请的描述中，除非上下文明确要求，否则整个说明书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。
还应当理解，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
需要注意的是，术语“S1”、“S2”等仅用于步骤的描述目的，并非特别指称次序或顺位的意思，亦非用以限定本申请，其仅仅是为了方便描述本申请的方法，而不能理解为指示步骤的先后顺序。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
本申请提供的具备时序数据特征的可视化表达方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与设置于服务器104上的数据处理平台进行通信，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。
请参阅图2，图2为本发明实施例一提供的一种具备时序数据特征的可视化表达方法的步骤流程图，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
S1：获取电力可视化数据，对所述电力可视化数据进行预处理，得到第一数据集，所述电力可视化数据包括类别标识和数据内容。
需要说明的是，电力可视化数据可以包括三相电压、三相电流、有功功率、无功功率、变压器绕组温度、风机启停、跳闸、开关事故动作信息、电容温度等多个参数变量，其中，对所述电力可视化数据进行预处理，得到第一数据集包括：
基于所述类别标识对所述电力可视化数据进行分类；
根据分类结果，匹配获取不同类别对应的时序数据模式库，其中，时序数据库为时间序列数据库，时间序列数据库指主要用于处理带时间标签（按照时间的顺序变化，即时间序列化）的数据，带时间标签的数据也称为时间序列数据，该数据库中可包括多个模块用于存储不同的数据；
基于所述时序数据模式库，对所述电力可视化数据进行筛选，得到所述第一数据集，包括：
基于所述时序数据模式库，匹配所述电力可视化数据中对应的数据集；
响应于检测到所述时序数据模式库的目标模块匹配到多个所述电力可视化数据时，获取所述电力可视化数据的数据内容属性值；
筛选并保存所述数据内容属性值小于或等于预设阈值的所述电力可视化数据，得到所述第一数据集，其中，预设阈值可以根据实际需求进行设定，所述电力可视化数据的数据内容属性值的获取方法包括：
定义所述电力可视化数据的数据内容属性值为，其中，数据内容属性值的计算公式为：
其中，表示电力可视化数据采集端口值，、均表示常数系数，表示类别系数，表示数据内容转换系数，表示数据内容字节数，表示自定义函数；
将所述数据内容属性值与预设阈值进行比较；
响应于检测到时，将所述数据内容属性值对应的所述电力可视化数据保存为所述第一数据集的数据；
若，则筛除所述数据内容属性值对应的所述电力可视化数据。
S2：基于所述第一数据集，筛选出预设时间维度下的电力运行时序数据，并对所述电力运行时序数据进行聚合，得到第二数据集。
需要说明的是，该步骤具体为：
获取不同类别的电力可视化数据的采集时间间隔，确定多个时间间隔的中间值为预设时间间隔，示例性的，三相电压采集时间间隔为0.2s、三相电流采集时间间隔为0.1s、有功功率采集时间间隔为0.3s，则预设时间间隔为0.2s；
基于预设时间范围的起始时间、结束时间以及所述预设时间间隔，确定所述预设时间维度，示例性的，所述预设时间维度为：起始时间为0点，结束时间为10点，预设时间间隔为0.2s。
进一步的，响应于检测到目标电力可视化数据的采集时间间隔大于所述预设时间间隔时，计算第一相邻时间节点对应数据的第一平均值，将所述第一平均值定义为预设时间间隔对应节点的数据值，示例性的，当有功功率采集时间间隔为0.3s时，计算0点和0点3秒时刻的有功功率平均值，作为预设时间间隔对应节点的数据值，即0点2秒时刻的有功功率值；
响应于检测到目标电力可视化数据的采集时间间隔小于所述预设时间间隔时，计算第二相邻时间节点对应数据的第二平均值，将所述第二平均值定义为预设时间间隔对应节点的数据值，即单个预设时间间隔内（包含预设时间间隔端点值）所有数据对应的平均值，示例性的，当三相电流采集时间间隔为0.1s时，计算0点、0点1秒时刻、0点2秒时刻的三相电流平均值，作为预设时间间隔对应节点的数据值，即0点2秒时刻的三相电流值。
更进一步的，利用聚合函数对所述电力运行时序数据进行聚合，所述聚合函数包括：
其中，表示目标时间节点对应的聚合维度值,表示聚合函数,表示同类参数变量值,表示不同类参数变量值,表示时间维度赋值,表示聚合系数,表示数据内容属性关联度；
基于多个时间节点与其对应的聚合维度值形成一一映射关系，并保存，以得到第二数据集。
S3：基于预构建的数据校正模型，对所述第二数据集进行校正，得到数据校正结果。
需要说明的是，所述数据校正模型包括：
其中，表示校正值，表示目标聚合维度值对应的时间节点排序值，表示修正函数；
将目标聚合维度值输入至预构建的数据校正模型，确定所述校正值为所述第二数据集中相关数据的校正结果。
S4：基于所述数据校正结果，构建可视化图形并保存至目标数据库中，以供用户端查找使用。
需要说明的是，该步骤具体为：
以时间节点为横坐标，校正值为纵坐标，生成二维坐标系；
连接所述校正值，生成对应的折线；
分别计算得到与目标校正值对应的时间节点相邻时间节点对应的校正值之间的第一斜率和第二斜率；
响应于检测到所述第一斜率和第二斜率之和大于第一预设值时，对所述目标校正值进行标记，其中，第一预设值可以根据实际需求进行设定，此处进行标记可以用于后续提醒技术人员电力系统可能存在异常，以便技术人员查看；
基于标记后的折线，生成可视化图形并在可视化界面进行展示，并将可视化图形保存至目标数据库中。
在上述实施方式中，通过该折线可视化图形可以直观反映出不同时间节点对应数据变化的趋势、明显差异及变化规律，以及对可能存在异常的数据进行标记，从而使得技术人员及时查看发现异常，提高电力系统数据分析的可靠性。
上述具备时序数据特征的可视化表达方法中，所述方法包括：获取电力可视化数据，对所述电力可视化数据进行预处理，得到第一数据集，所述电力可视化数据包括类别标识和数据内容；基于所述第一数据集，筛选出预设时间维度下的电力运行时序数据，并对所述电力运行时序数据进行聚合，得到第二数据集；基于预构建的数据校正模型，对所述第二数据集进行校正，得到数据校正结果；基于所述数据校正结果，构建可视化图形并保存至目标数据库中，以供用户端查找使用，本申请可以对海量数据进行聚合化分析，在不丢失数据特征情况下，降低数据分析所占空间，且能直观地可视化展示出数据趋势及关键数据，提高了电力可视化数据的分析效率以及电力系统数据分析的可靠性。
应该理解的是，虽然图2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。
请参阅图3，图3为本发明实施例二提供的一种具备时序数据特征的可视化表达装置的结构框图。
本发明提供的一种具备时序数据特征的可视化表达装置，包括：
预处理模块，用于获取电力可视化数据，对所述电力可视化数据进行预处理，得到第一数据集，所述电力可视化数据包括类别标识和数据内容；
筛选模块，用于基于所述第一数据集，筛选出预设时间维度下的电力运行时序数据，并对所述电力运行时序数据进行聚合，得到第二数据集；
校正模块，用于基于预构建的数据校正模型，对所述第二数据集进行校正，得到数据校正结果；
可视化模块，用于基于所述数据校正结果，构建可视化图形并保存至目标数据库中，以供用户端查找使用。
作为一种较优的实施方式，本发明实施例中，所述预处理模块具体用于：
基于所述类别标识对所述电力可视化数据进行分类；
根据分类结果，匹配获取不同类别对应的时序数据模式库；
基于所述时序数据模式库，对所述电力可视化数据进行筛选，得到所述第一数据集。
作为一种较优的实施方式，本发明实施例中，所述预处理模块具体还用于：
基于所述时序数据模式库，匹配所述电力可视化数据中对应的数据集；
响应于检测到所述时序数据模式库的目标模块匹配到多个所述电力可视化数据时，获取所述电力可视化数据的数据内容属性值；
筛选并保存所述数据内容属性值小于或等于预设阈值的所述电力可视化数据，得到所述第一数据集。
作为一种较优的实施方式，本发明实施例中，所述预处理模块具体还用于：
定义所述电力可视化数据的数据内容属性值为，其中，数据内容属性值的计算公式为：
其中，表示电力可视化数据采集端口值，、均表示常数系数，表示类别系数，表示数据内容转换系数，表示数据内容字节数，表示自定义函数；
将所述数据内容属性值与预设阈值进行比较；
响应于检测到时，将所述数据内容属性值对应的所述电力可视化数据保存为所述第一数据集的数据。
作为一种较优的实施方式，本发明实施例中，所述筛选模块具体用于：
获取不同类别的电力可视化数据的采集时间间隔，确定多个时间间隔的中间值为预设时间间隔；
基于预设时间范围的起始时间、结束时间以及所述预设时间间隔，确定所述预设时间维度。
作为一种较优的实施方式，本发明实施例中，所述筛选模块具体还用于：
响应于检测到目标电力可视化数据的采集时间间隔大于所述预设时间间隔时，计算第一相邻时间节点对应数据的第一平均值，将所述第一平均值定义为预设时间间隔对应节点的数据值；
响应于检测到目标电力可视化数据的采集时间间隔小于所述预设时间间隔时，计算第二相邻时间节点对应数据的第二平均值，将所述第二平均值定义为预设时间间隔对应节点的数据值。
作为一种较优的实施方式，本发明实施例中，所述筛选模块具体还用于：
利用聚合函数对所述电力运行时序数据进行聚合，所述聚合函数包括：
其中，表示目标时间节点对应的聚合维度值,表示聚合函数,表示同类参数变量值,表示不同类参数变量值,表示时间维度赋值,表示聚合系数,表示数据内容属性关联度；
基于多个时间节点与其对应的聚合维度值形成一一映射关系，并保存，以得到第二数据集。
作为一种较优的实施方式，本发明实施例中，所述校正模块具体用于：
将目标聚合维度值输入至预构建的数据校正模型，所述数据校正模型包括：
其中，表示校正值，表示目标聚合维度值对应的时间节点排序值，表示修正函数；
确定所述校正值为所述第二数据集中相关数据的校正结果。
作为一种较优的实施方式，本发明实施例中，所述可视化模块具体用于：
以时间节点为横坐标，校正值为纵坐标，生成二维坐标系；
连接所述校正值，生成对应的折线；
分别计算得到目标校正值与相邻时间节点对应的校正值之间的第一斜率和第二斜率；
响应于检测到所述第一斜率和第二斜率之和大于第一预设值时，对所述目标校正值进行标记；
基于标记后的折线，生成可视化图形并在可视化界面进行展示。
关于具备时序数据特征的可视化表达装置的具体限定可以参见上文中对于具备时序数据特征的可视化表达方法的限定，在此不再赘述。上述具备时序数据特征的可视化表达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。
请参阅图4，图4为本发明实施例三提供的一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4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、显示屏和输入装置。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和计算机程序。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具备时序数据特征的可视化表达方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图4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：
S1：获取电力可视化数据，对所述电力可视化数据进行预处理，得到第一数据集，所述电力可视化数据包括类别标识和数据内容；
S2：基于所述第一数据集，筛选出预设时间维度下的电力运行时序数据，并对所述电力运行时序数据进行聚合，得到第二数据集；
S3：基于预构建的数据校正模型，对所述第二数据集进行校正，得到数据校正结果；
S4：基于所述数据校正结果，构建可视化图形并保存至目标数据库中，以供用户端查找使用。
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：
基于所述类别标识对所述电力可视化数据进行分类；
根据分类结果，匹配获取不同类别对应的时序数据模式库；
基于所述时序数据模式库，对所述电力可视化数据进行筛选，得到所述第一数据集。
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：
基于所述时序数据模式库，匹配所述电力可视化数据中对应的数据集；
响应于检测到所述时序数据模式库的目标模块匹配到多个所述电力可视化数据时，获取所述电力可视化数据的数据内容属性值；
筛选并保存所述数据内容属性值小于或等于预设阈值的所述电力可视化数据，得到所述第一数据集。
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：
定义所述电力可视化数据的数据内容属性值为，其中，数据内容属性值的计算公式为：
其中，表示电力可视化数据采集端口值，、均表示常数系数，表示类别系数，表示数据内容转换系数，表示数据内容字节数，表示自定义函数；
将所述数据内容属性值与预设阈值进行比较；
响应于检测到时，将所述数据内容属性值对应的所述电力可视化数据保存为所述第一数据集的数据。
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：
获取不同类别的电力可视化数据的采集时间间隔，确定多个时间间隔的中间值为预设时间间隔；
基于预设时间范围的起始时间、结束时间以及所述预设时间间隔，确定所述预设时间维度。
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：
响应于检测到目标电力可视化数据的采集时间间隔大于所述预设时间间隔时，计算第一相邻时间节点对应数据的第一平均值，将所述第一平均值定义为预设时间间隔对应节点的数据值；
响应于检测到目标电力可视化数据的采集时间间隔小于所述预设时间间隔时，计算第二相邻时间节点对应数据的第二平均值，将所述第二平均值定义为预设时间间隔对应节点的数据值。
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：
利用聚合函数对所述电力运行时序数据进行聚合，所述聚合函数包括：
其中，表示目标时间节点对应的聚合维度值,表示聚合函数,表示同类参数变量值,表示不同类参数变量值,表示时间维度赋值,表示聚合系数,表示数据内容属性关联度；
基于多个时间节点与其对应的聚合维度值形成一一映射关系，并保存，以得到第二数据集。
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：
将目标聚合维度值输入至预构建的数据校正模型，所述数据校正模型包括：
其中，表示校正值，表示目标聚合维度值对应的时间节点排序值，表示修正函数；
确定所述校正值为所述第二数据集中相关数据的校正结果。
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：
以时间节点为横坐标，校正值为纵坐标，生成二维坐标系；
连接所述校正值，生成对应的折线；
分别计算得到目标校正值与相邻时间节点对应的校正值之间的第一斜率和第二斜率；
响应于检测到所述第一斜率和第二斜率之和大于第一预设值时，对所述目标校正值进行标记；
基于标记后的折线，生成可视化图形并在可视化界面进行展示。
本发明实施例四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：
S1：获取电力可视化数据，对所述电力可视化数据进行预处理，得到第一数据集，所述电力可视化数据包括类别标识和数据内容；
S2：基于所述第一数据集，筛选出预设时间维度下的电力运行时序数据，并对所述电力运行时序数据进行聚合，得到第二数据集；
S3：基于预构建的数据校正模型，对所述第二数据集进行校正，得到数据校正结果；
S4：基于所述数据校正结果，构建可视化图形并保存至目标数据库中，以供用户端查找使用。
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：
基于所述类别标识对所述电力可视化数据进行分类；
根据分类结果，匹配获取不同类别对应的时序数据模式库；
基于所述时序数据模式库，对所述电力可视化数据进行筛选，得到所述第一数据集。
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：
基于所述时序数据模式库，匹配所述电力可视化数据中对应的数据集；
响应于检测到所述时序数据模式库的目标模块匹配到多个所述电力可视化数据时，获取所述电力可视化数据的数据内容属性值；
筛选并保存所述数据内容属性值小于或等于预设阈值的所述电力可视化数据，得到所述第一数据集。
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：
定义所述电力可视化数据的数据内容属性值为，其中，数据内容属性值的计算公式为：
其中，表示电力可视化数据采集端口值，、均表示常数系数，表示类别系数，表示数据内容转换系数，表示数据内容字节数，表示自定义函数；
将所述数据内容属性值与预设阈值进行比较；
响应于检测到时，将所述数据内容属性值对应的所述电力可视化数据保存为所述第一数据集的数据。
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：
获取不同类别的电力可视化数据的采集时间间隔，确定多个时间间隔的中间值为预设时间间隔；
基于预设时间范围的起始时间、结束时间以及所述预设时间间隔，确定所述预设时间维度。
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：
响应于检测到目标电力可视化数据的采集时间间隔大于所述预设时间间隔时，计算第一相邻时间节点对应数据的第一平均值，将所述第一平均值定义为预设时间间隔对应节点的数据值；
响应于检测到目标电力可视化数据的采集时间间隔小于所述预设时间间隔时，计算第二相邻时间节点对应数据的第二平均值，将所述第二平均值定义为预设时间间隔对应节点的数据值。
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：
利用聚合函数对所述电力运行时序数据进行聚合，所述聚合函数包括：
其中，表示目标时间节点对应的聚合维度值,表示聚合函数,表示同类参数变量值,表示不同类参数变量值,表示时间维度赋值,表示聚合系数,表示数据内容属性关联度；
基于多个时间节点与其对应的聚合维度值形成一一映射关系，并保存，以得到第二数据集。
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：
将目标聚合维度值输入至预构建的数据校正模型，所述数据校正模型包括：
其中，表示校正值，表示目标聚合维度值对应的时间节点排序值，表示修正函数；
确定所述校正值为所述第二数据集中相关数据的校正结果。
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：
以时间节点为横坐标，校正值为纵坐标，生成二维坐标系；
连接所述校正值，生成对应的折线；
分别计算得到目标校正值与相邻时间节点对应的校正值之间的第一斜率和第二斜率；
响应于检测到所述第一斜率和第二斜率之和大于第一预设值时，对所述目标校正值进行标记；
基于标记后的折线，生成可视化图形并在可视化界面进行展示。
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。
Claims (4)
1.一种具备时序数据特征的可视化表达方法，其特征在于，所述方法包括：
获取电力可视化数据，对所述电力可视化数据进行预处理，得到第一数据集，所述电力可视化数据包括类别标识和数据内容；
基于所述第一数据集，筛选出预设时间维度下的电力运行时序数据，并对所述电力运行时序数据进行聚合，得到第二数据集；
基于预构建的数据校正模型，对所述第二数据集进行校正，得到数据校正结果；
基于所述数据校正结果，构建可视化图形并保存至目标数据库中，以供用户端查找使用；
所述第一数据集的获取方法包括：
基于时序数据模式库，匹配所述电力可视化数据中对应的数据集；
响应于检测到所述时序数据模式库的目标模块匹配到多个所述电力可视化数据时，获取所述电力可视化数据的数据内容属性值；
筛选并保存所述数据内容属性值小于或等于预设阈值的所述电力可视化数据，得到所述第一数据集；
所述电力可视化数据的数据内容属性值的获取方法包括：
定义所述电力可视化数据的数据内容属性值为，其中，数据内容属性值的计算公式为：
其中，表示电力可视化数据采集端口值，、均表示常数系数，表示类别系数，表示数据内容转换系数，表示数据内容字节数，表示自定义函数；
将所述数据内容属性值与预设阈值进行比较；
响应于检测到时，将所述数据内容属性值对应的所述电力可视化数据保存为所述第一数据集的数据；
所述第二数据集的获取方法包括：
利用聚合函数对所述电力运行时序数据进行聚合，所述聚合函数包括：
其中，表示目标时间节点对应的聚合维度值,表示聚合函数,表示同类参数变量值,表示不同类参数变量值,表示时间维度赋值,表示聚合系数,表示数据内容属性关联度；
基于多个时间节点与其对应的聚合维度值形成一一映射关系，并保存，以得到第二数据集；
所述基于预构建的数据校正模型，对所述第二数据集进行校正，得到数据校正结果包括：
将目标聚合维度值输入至预构建的数据校正模型，所述数据校正模型包括：
其中，表示校正值，表示目标聚合维度值对应的时间节点排序值，表示修正函数；
确定所述校正值为所述第二数据集中相关数据的校正结果；
所述基于所述数据校正结果，构建可视化图形包括：
以时间节点为横坐标，校正值为纵坐标，生成二维坐标系；
连接所述校正值，生成对应的折线；
分别计算得到目标校正值与相邻时间节点对应的校正值之间的第一斜率和第二斜率；
响应于检测到所述第一斜率和第二斜率之和大于第一预设值时，对所述目标校正值进行标记；
基于标记后的折线，生成可视化图形并在可视化界面进行展示。
2.根据权利要求1所述的具备时序数据特征的可视化表达方法，其特征在于，所述获取电力可视化数据，对所述电力可视化数据进行预处理，得到第一数据集包括：
基于所述类别标识对所述电力可视化数据进行分类；
根据分类结果，匹配获取不同类别对应的时序数据模式库；
基于所述时序数据模式库，对所述电力可视化数据进行筛选，得到所述第一数据集。
3.根据权利要求2所述的具备时序数据特征的可视化表达方法，其特征在于，所述基于所述第一数据集，筛选出预设时间维度下的电力运行时序数据，并对所述电力运行时序数据进行聚合，得到第二数据集包括：
获取不同类别的电力可视化数据的采集时间间隔，确定多个时间间隔的中间值为预设时间间隔；
基于预设时间范围的起始时间、结束时间以及所述预设时间间隔，确定所述预设时间维度。
4.根据权利要求3所述的具备时序数据特征的可视化表达方法，其特征在于，还包括：
响应于检测到目标电力可视化数据的采集时间间隔大于所述预设时间间隔时，计算第一相邻时间节点对应数据的第一平均值，将所述第一平均值定义为预设时间间隔对应节点的数据值；
响应于检测到目标电力可视化数据的采集时间间隔小于所述预设时间间隔时，计算第二相邻时间节点对应数据的第二平均值，将所述第二平均值定义为预设时间间隔对应节点的数据值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311054263.6A CN116804993B (zh) | 2023-08-22 | 2023-08-22 | 一种具备时序数据特征的可视化表达方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311054263.6A CN116804993B (zh) | 2023-08-22 | 2023-08-22 | 一种具备时序数据特征的可视化表达方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116804993A CN116804993A (zh) | 2023-09-26 |
| CN116804993B true CN116804993B (zh) | 2023-12-08 |
Family
ID=88079651
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311054263.6A Active CN116804993B (zh) | 2023-08-22 | 2023-08-22 | 一种具备时序数据特征的可视化表达方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116804993B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110008251A (zh) * | 2019-03-07 | 2019-07-12 | 平安科技（深圳）有限公司 | 基于时序数据的数据处理方法、装置和计算机设备 |
| CN112990699A (zh) * | 2021-03-12 | 2021-06-18 | 深圳供电局有限公司 | 电力数据处理方法、装置、计算机设备和存储介质 |
| KR20210131160A (ko) * | 2020-04-23 | 2021-11-02 | 한국전력공사 | 딥러닝 모델 기반의 전력 수요 예측 장치 및 방법 |
| CN115858633A (zh) * | 2023-02-27 | 2023-03-28 | 广州汇通国信科技有限公司 | 一种基于数据湖的时序数据分析方法及装置 |
| CN116150288A (zh) * | 2023-04-17 | 2023-05-23 | 山东工程职业技术大学 | 一种基于计算机的网络数据分析处理系统 |
-
2023
- 2023-08-22 CN CN202311054263.6A patent/CN116804993B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110008251A (zh) * | 2019-03-07 | 2019-07-12 | 平安科技（深圳）有限公司 | 基于时序数据的数据处理方法、装置和计算机设备 |
| WO2020177366A1 (zh) * | 2019-03-07 | 2020-09-10 | 平安科技（深圳）有限公司 | 基于时序数据的数据处理方法、装置和计算机设备 |
| KR20210131160A (ko) * | 2020-04-23 | 2021-11-02 | 한국전력공사 | 딥러닝 모델 기반의 전력 수요 예측 장치 및 방법 |
| CN112990699A (zh) * | 2021-03-12 | 2021-06-18 | 深圳供电局有限公司 | 电力数据处理方法、装置、计算机设备和存储介质 |
| CN115858633A (zh) * | 2023-02-27 | 2023-03-28 | 广州汇通国信科技有限公司 | 一种基于数据湖的时序数据分析方法及装置 |
| CN116150288A (zh) * | 2023-04-17 | 2023-05-23 | 山东工程职业技术大学 | 一种基于计算机的网络数据分析处理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116804993A (zh) | 2023-09-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020253059A1 (zh) | 多级联动下拉框的实现方法、装置和计算机设备 | |
| CN110377569B (zh) | 日志监控方法、装置、计算机设备和存储介质 | |
| CN108664582B (zh) | 企业关系的查询方法、装置、计算机设备及存储介质 | |
| CN111180086B (zh) | 数据匹配方法、装置、计算机设备和存储介质 | |
| CN114090838B (zh) | 大数据可视化展示的方法、系统、电子装置和存储介质 | |
| CN113963457B (zh) | 巡检任务处理方法、装置、计算机设备和存储介质 | |
| CN111400126B (zh) | 网络服务异常数据检测方法、装置、设备和介质 | |
| CN109542962B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
| CN110659435A (zh) | 页面数据采集处理方法、装置、计算机设备和存储介质 | |
| CN110659188B (zh) | 页面画像数据处理方法、装置、计算机设备和存储介质 | |
| CN113225199A (zh) | 基于时序网络挖掘的交互行为预测方法、装置及电子设备 | |
| CN116804993B (zh) | 一种具备时序数据特征的可视化表达方法 | |
| CN111914101B (zh) | 档案关联关系的异常识别方法、装置和计算机设备 | |
| CN111190890B (zh) | 用户日用电量数据清洗方法、装置、设备和介质 | |
| CN112256529A (zh) | 网络爬虫监控方法、装置、计算机设备和存储介质 | |
| CN108509574B (zh) | 设备信息检索方法、装置及计算机设备 | |
| CN115794245B (zh) | 数据加载方法及装置、电子设备、存储介质 | |
| CN117575481A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
| CN114358821B (zh) | 商品细类特征提取方法、装置、计算机设备和存储介质 | |
| CN112711605B (zh) | 故障分析方法、装置、计算机设备和存储介质 | |
| CN115935933A (zh) | 一种清单分析方法、装置、计算机设备和存储介质 | |
| CN113971119A (zh) | 基于无监督模型的用户行为异常分析评估方法及系统 | |
| CN111404721B (zh) | 基于web的模型训练过程数据可视化处理方法、装置、设备 | |
| WO2019218677A1 (zh) | 电网仿真分析数据存储方法、装置及电子设备 | |
| CN113204592A (zh) | 物联网场景下的数据处理方法、系统、装置及存储介质 |
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 |