【技术实现步骤摘要】
本专利技术涉及电力业务，尤其涉及一种业务数据动态映射方法、装置、电子设备及存储介质。
技术介绍
1、随着智能电网技术的进步和大数据时代的兴起，电力行业的数据量经历了指数级的增长。这些数据涵盖了电网的各个组成部分，包括设备状态、环境参数、用户行为等多个维度。在新型电力系统中，能量流、信息流和价值流已经实现了全方位的融合，有效地汇集了海量的可调节资源和数据。营销管理系统作为新型电力系统的一个关键组成部分，积累了大量的业扩报装、电价电费、用电检查等业务系统的历史数据。
2、由于电力营销工作涉及众多业务流程和环节，营销业务风险在服务流程和工作质量中时常显现。传统的业务数据稽核方法已经无法适应现有的营销稽查工作需求。因此，迫切需要一种数字化和智能化的稽核方法，以有效地管理和利用这些数据，从而提高电力系统的运行效率和服务质量。
3、对于电力业务稽核流程而言，数据映射是一个关键环节。数据映射是将一个数据集合或数据类型转换到另一个数据集合或数据类型的过程。这一过程需要依据特定目的和需求采用相应的映射方法和技术。在实际业务中，数据映射涉及建立原始数据项与业务实体之间的关联关系。在电力业务领域，关键业务数据通常伴随着相关的属性数据。这些属性数据主要用于对业务数据进行详细说明或特征标注。其中，每项属性数据都具有多个维度的属性，如按变压器容量、按最大需量等。
4、传统的数据映射方法主要依靠人工经验，通过专家系统或人工审核来确定数据项与业务实体之间的对应关系。这种方法存在以下问题：首先，随着数据量的增加，人工映射的效率
技术实现思路
1、本专利技术提供了一种业务数据动态映射方法、装置、电子设备及存储介质，用于解决或部分解决现有相关技术中业务数据映射效率以及准确率较低的技术问题。
2、本专利技术提供的一种业务数据动态映射方法，所述方法包括：
3、获取电力营销系统的业务映射数据集；
4、根据所述业务映射数据集，对预先构建的映射匹配模型进行参数优化，获得最优映射模型；
5、获取待处理业务数据，并将所述待处理业务数据输入至所述最优映射模型进行映射关系预测，输出映射预测结果。
6、可选地，所述业务映射数据集，通过如下方式构建：
7、收集电力营销系统的业扩报装数据以及业务规则；
8、对所述业扩报装数据进行数据预处理，获得营销业务数据；
9、识别所述营销业务数据中已知数据项与业务项之间的历史匹配关系，获得历史映射数据；
10、对所述营销业务数据进行特征提取，获得业务特征数据，并对所述历史映射数据进行标签构建，获得历史映射标签数据；
11、将所述业务规则、所述业务特征数据以及所述历史映射标签数据，一并整合为所述电力营销系统的业务映射数据集。
12、可选地，所述对所述营销业务数据进行特征提取，获得业务特征数据，包括：
13、从所述营销业务数据中提取多个关键特征，每一个所述关键特征对应若干种映射关系；
14、针对每一个所述关键特征，分别将所述若干种映射关系建模成映射序列信息，每一条所述映射序列信息对应一个映射的键以及映射的值；
15、将所述映射的键、所述映射的值与时间进行拼接，连同所述关键特征一并作为业务特征样本；
16、将多个所述业务特征样本，整合为业务特征数据。
17、可选地，所述历史映射数据包含多条历史映射关系，所述对所述历史映射数据进行标签构建，获得历史映射标签数据，包括：
18、分别针对每一条所述历史映射关系构建关系标签；其中，当所述历史映射关系为存在真实映射时，所述关系标签为1，否则所述关系标签为0；
19、将所述历史映射关系与所述关系标签作为历史映射标签样本，并将多个所述历史映射标签样本，整合为历史映射标签数据。
20、可选地，所述根据所述业务映射数据集，对预先构建的映射匹配模型进行参数优化，获得最优映射模型，包括：
21、将所述业务映射数据集按预设比例划分为映射关系训练集以及映射关系验证集；
22、根据所述映射关系训练集对所述映射匹配模型进行模型训练，并在模型训练过程中进行参数调整；
23、根据所述映射关系验证集对训练后的映射匹配模型进行验证，保存验证效果最佳的模型参数组合，并输出最优映射模型。
24、可选地，所述映射匹配模型基于循环神经网络构建，所述根据所述映射关系训练集对所述映射匹配模型进行模型训练，并在模型训练过程中进行参数调整，包括：
25、结合所述业务规则以及所述映射关系训练集中的历史映射标签数据，利用所述循环神经网络对所述映射关系训练集中的业务特征数据进行归纳学习，以调整所述映射匹配模型的模型参数。
26、可选地，所述方法还包括：
27、结合所述业务规则对所述映射预测结果作进一步校验，获得校验映射匹配建议；
28、根据所述校验映射匹配建议，构建所述待处理业务数据中数据项与业务项之间的匹配映射关系；
29、将所述待处理业务数据与所述匹配映射关系作为输入进行数据稽核，获得数据稽核结果，并将所述数据稽核结果传输至用户操作界面。
30、本专利技术还提供了一种业务数据动态映射装置，包括：
31、业务映射数据集获取模块，用于获取电力营销系统的业务映射数据集；
32、映射匹配参数优化模块，用于根据所述业务映射数据集，对预先构建的映射匹配模型进行参数优化，获得最优映射模型；
33、映射关系预测模块，用于获取待处理业务数据，并将所述待处理业务数据输入至所述最优映射模型进行映射关系预测，输出映射预测结果。
34、本专利技术还提供了一种电子设备，所述设备包括处理器以及存储器：
35、所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
36、所述处理器用于根据所述程序代码中的指令执行如上任一项所述的业务数据动态映射方法。
37、本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行如上任一项所述的业务数据动态映射方法。
38、从以上技术方案可以看出，本专利技术具有以下优点：
39、提供了一种业务数据动态映射方法。首先获取电力营销系统的业务映射数据集；接着根据所述业务映射数据集，对预先构建的映射匹配模型进行参数优化，获得最优映射模型；然后获取待处理业务数据，并将所述待处理业务数据输入至所述最优映射模型进行映射关系预测，输出映射预测结果。从而基于参数优化后获得的最优映射模型，可以快速且准确地对待处理业务数据进行映射关系预测，给出具有参考性的匹配建议，并输出相应的预测结果。
本文档来自技高网...【技术保护点】
1.一种业务数据动态映射方法，其特征在于，包括：
2.根据权利要求1所述的业务数据动态映射方法，其特征在于，所述业务映射数据集，通过如下方式构建：
3.根据权利要求2所述的业务数据动态映射方法，其特征在于，所述对所述营销业务数据进行特征提取，获得业务特征数据，包括：
4.根据权利要求2所述的业务数据动态映射方法，其特征在于，所述历史映射数据包含多条历史映射关系，所述对所述历史映射数据进行标签构建，获得历史映射标签数据，包括：
5.根据权利要求2所述的业务数据动态映射方法，其特征在于，所述根据所述业务映射数据集，对预先构建的映射匹配模型进行参数优化，获得最优映射模型，包括：
6.根据权利要求5所述的业务数据动态映射方法，其特征在于，所述映射匹配模型基于循环神经网络构建，所述根据所述映射关系训练集对所述映射匹配模型进行模型训练，并在模型训练过程中进行参数调整，包括：
7.根据权利要求2至6任一项所述的业务数据动态映射方法，其特征在于，还包括：
8.一种业务数据动态映射装置，其特征在于，包括：
<...【技术特征摘要】
1.一种业务数据动态映射方法，其特征在于，包括：
2.根据权利要求1所述的业务数据动态映射方法，其特征在于，所述业务映射数据集，通过如下方式构建：
3.根据权利要求2所述的业务数据动态映射方法，其特征在于，所述对所述营销业务数据进行特征提取，获得业务特征数据，包括：
4.根据权利要求2所述的业务数据动态映射方法，其特征在于，所述历史映射数据包含多条历史映射关系，所述对所述历史映射数据进行标签构建，获得历史映射标签数据，包括：
5.根据权利要求2所述的业务数据动态映射方法，其特征在于，所述根据所述业务映射数据集，对预先构建的映射匹配模型进行参数优化，获得最优映...
【专利技术属性】
技术研发人员：程斌，潘炜，朱少维，李紫楠，王刚，陈观娣，董茵，张涛，姚文莹，王勇，刘辅钰，邓志飞，邓明斌，王马才，戚颖怡，谭致远，彭斐，伍国萍，韩玮，钱丽华，黄文科，黄薇，张卓，吴疆，陈豪，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。