【技术实现步骤摘要】
本专利技术涉及电力网络管理，具体为一种基于大数据的电力网络风险管理系统及方法。
技术介绍
1、随着社会的快速发展，电力已成为现代社会不可或缺的能源。电力行业正积极推进绿色低碳发展，减少碳排放，提高能源利用效率。电力网络风险管理系统的完善，有助于支撑这一转型过程，确保电网在新能源接入、分布式能源管理等方面的安全性和可靠性，保障电力供应的稳定性和安全性，对于维护国家能源安全、促进经济发展和社会稳定具有重要意义。然而电力网络面临的网络安全威胁日益严峻。黑客攻击、病毒入侵等事件频发，对电力网络的安全稳定运行构成严重威胁，此时，电力行业需加速向数字化、智能化转型。电力网络风险管理系统作为数字化转型的重要组成部分，需要充分利用大数据、云计算、人工智能等先进技术，提升风险识别、评估、预警和应对能力。
2、因此，本申请提出一种基于大数据的电力网络风险管理系统及方法来解决背景中的问题是十分必要的。
3、专利文件cn110287186b公开了一种基于主权区块链技术的智能电网数据管理系统及方法，上述专利实现了区块链中电力用户身份信息可控、智能合约合法性可监督、电力信息针对性开放等优势，并通过电力数据应用业务类型标识的区块链结构提升电力数据的存储与利用效率，但上述专利不能实现大规模数据处理和分析功能。
4、专利文件cn113688381b公开了一种基于大数据的信息安全风险管理系统，上述专利实现了通过对信息网络中有效防控值进行评估，从而方便用户及时了解信息网络的风险防控能力，在面对风险时对风险进行削弱，并结合有效防控评
5、专利文件cn111882453b公开了一种基于大云物移智新技术应用的电网企业管理系统，上述专利实现了对“量价费损本”等主要经营成本数据的实时监控、展示、风险预警和评估。做到对异常成本信息提前预警、主动应对，同时建立设备资产成本分析决策模型，提升公司投资决策管理科学化、精益化水平，增强辅助决策能力，但上述专利不能实现可扩展性强、高效处理大规模数据的功能。
6、专利文件cn117390495b公开了一种基于大数据的多源数据风险管理系统及方法，上述专利实现了通过数据源接入管理模块为同一类用户选择并接入数据源，降低了因第三方数据源选择不当导致数据调用出现异常情况风险加剧的概率，提高了数据调用的效率和成功率，但上述专利不能实现多元化数据类型有效整合和融合。
7、综上所述，上述专利不能实现对大规模数据处理和分析功能、对跨领域数据分析功能、对可扩展性强、高效处理大规模数据的功能和对多元化数据类型有效整合和融合功能，导致风险识别不及时、评估不准确、预警与响应滞后、数据孤岛与不一致性、资源分配不合理、缺乏灵活性与可扩展性以及用户体验不佳；
8、为此，本申请提出了一种能实现对大规模数据处理和分析功能、对跨领域数据分析功能、对可扩展性强、高效处理大规模数据的功能和对多元化数据类型有效整合和融合功能的基于大数据的电力网络风险管理系统及方法。
技术实现思路
1、本专利技术的目的在于提供一种基于大数据的电力网络风险管理系统及方法，以解决上述
技术介绍
中提出的不能实现对大规模数据处理和分析功能、对跨领域数据分析功能、对可扩展性强、高效处理大规模数据的功能和对多元化数据类型有效整合和融合功能，导致风险识别不及时、评估不准确、预警与响应滞后、数据孤岛与不一致性、资源分配不合理、缺乏灵活性与可扩展性以及用户体验不佳的技术问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种基于大数据的电力网络风险管理系统，所述系统包括应用微服务平台、大数据存储器、流式数据处理引擎、风险识别评估模块、机器学习算法模块、智能权限管理模块；
3、所述应用微服务平台的输出端连接大数据存储器的输入端，所述大数据存储器的输出端连接流式数据处理引擎的输入端，所述流式数据处理引擎的输出端连接机器学习算法模块的输入端，所述机器学习算法模块和大数据存储器的输出端连接所述智能权限管理模块的输入端；
4、所述应用微服务平台包括api网关模块、配置管理模块、服务发现与注册模块和分布式追踪模块；
5、所述服务发现与注册模块通过服务注册中心注册和发现外部模块，所述api网关模块通过restful风格的api进行通信和数据交换，所述配置管理模块通过事件驱动机制传递信息和响应分布式追踪模块。
6、优选的，所述大数据存储器包括数据采集模块、数据存储模块、分布式计算框架、数据查询引擎、数据可视化工具；
7、数据采集模块通过数据信号连接数据存储模块，分布式计算框架通过etl处理数据存储模块中信息，数据存储模块通过网络连接数据查询引擎和数据可视化工具。
8、优选的，所述流式数据处理引擎包括数据处理器、窗口操作引擎和状态管理引擎；
9、数据处理器、窗口操作引擎和状态管理引擎之间通过内部通信连接。
10、优选的，所述风险识别评估模块包括风险识别模块、风险评估模块、风险监控模块；
11、风险识别模块将识别的风险传输至风险评估模块，风险评估模块将结果传输至风险监控模块。
12、优选的，所述机器学习算法模块包括特征提取模块、机器学习模型模块、模型训练与评估模块、用户交互模块；
13、数据预处理和特征提取模块之间通过消息队列进行数据传递，特征提取模块提取的特征向量通过数据接口的方式传递给机器学习算法模块，机器学习算法模块输出的模型结果通过restful api调用传递给模型训练与评估模块，模型训练与评估模块通过远程过程调用至用户交互模块，用户交互模块对接到用户。
14、优选的，所述智能权限管理模块包括用户身份认证模块、信息控制模块、访问控制模块和日志审计模块；
15、用户身份认证模块通过api接口连接信息控制模块，信息控制模块定义用户的权限和角色，访问控制模块根据权限信息控制用户对资源的访问，信息控制模块和访问控制模块之间通过数据传递方式连接，访问控制模块记录用户的操作日志通过消息队列传递的方式连接日志审计模块进行审计和监控。
16、优选的，所述数据采集模块输出端连接数据处理器输入端，数据处理器输出端连接分布式追踪模块输入端，分布式追踪模块输出端连接特征提取模块输入端。
17、优选的，所述用户身份认证模块输出端连接数据存储模块输入端，数据存储模块输出端连接用户交互模块输入端；
18、api网关模块输出端连接服务发现与注册模块输入端，服务发现与注册模块输出端连接风险监控模块输入端，风险监控模块输出端连接访问控制模块输入端。本文档来自技高网...
【技术保护点】
1.一种基于大数据的电力网络风险管理系统，其特征在于：所述系统包括应用微服务平台（1）、大数据存储器（2）、流式数据处理引擎（3）、风险识别评估模块（4）、机器学习算法模块（5）、智能权限管理模块（6）；
2.根据权利要求1所述的一种基于大数据的电力网络风险管理系统，其特征在于：所述大数据存储器（2）包括数据采集模块（11）、数据存储模块（12）、分布式计算框架（13）、数据查询引擎（14）、数据可视化工具（15）；
3.根据权利要求1所述的一种基于大数据的电力网络风险管理系统，其特征在于：所述流式数据处理引擎（3）包括数据处理器（16）、窗口操作引擎（17）和状态管理引擎（18）；
4.根据权利要求1所述的一种基于大数据的电力网络风险管理系统，其特征在于：所述风险识别评估模块（4）包括风险识别模块（19）、风险评估模块（20）、风险监控模块（21）；
5.根据权利要求1所述的一种基于大数据的电力网络风险管理系统，其特征在于：所述机器学习算法模块（5）包括特征提取模块（22）、机器学习模型模块（23）、模型训练与评估模块（24）、用
6.根据权利要求1所述的一种基于大数据的电力网络风险管理系统，其特征在于：所述智能权限管理模块（6）包括用户身份认证模块（26）、信息控制模块（27）、访问控制模块（28）和日志审计模块（29）；
7.根据权利要求2所述的一种基于大数据的电力网络风险管理系统，其特征在于：所述数据采集模块（11）输出端连接数据处理器（16）输入端，数据处理器（16）输出端连接分布式追踪模块（10）输入端，分布式追踪模块（10）输出端连接特征提取模块（22）输入端。
8.根据权利要求6所述的一种基于大数据的电力网络风险管理系统，其特征在于：所述用户身份认证模块（26）输出端连接数据存储模块（12）输入端，数据存储模块（12）输出端连接用户交互模块（25）输入端；
9.一种基于大数据的电力网络风险管理系统的使用方法，适用于1-8任意一项所述的一种基于大数据的电力网络风险管理系统，其特征在于：所述电力网络风险管理系统的实现方法包括以下步骤：
10.根据权利要求9所述的一种基于大数据的电力网络风险管理系统的使用方法，其特征在于：所述实现方法还包括以下步骤：
...【技术特征摘要】
1.一种基于大数据的电力网络风险管理系统，其特征在于：所述系统包括应用微服务平台（1）、大数据存储器（2）、流式数据处理引擎（3）、风险识别评估模块（4）、机器学习算法模块（5）、智能权限管理模块（6）；
2.根据权利要求1所述的一种基于大数据的电力网络风险管理系统，其特征在于：所述大数据存储器（2）包括数据采集模块（11）、数据存储模块（12）、分布式计算框架（13）、数据查询引擎（14）、数据可视化工具（15）；
3.根据权利要求1所述的一种基于大数据的电力网络风险管理系统，其特征在于：所述流式数据处理引擎（3）包括数据处理器（16）、窗口操作引擎（17）和状态管理引擎（18）；
4.根据权利要求1所述的一种基于大数据的电力网络风险管理系统，其特征在于：所述风险识别评估模块（4）包括风险识别模块（19）、风险评估模块（20）、风险监控模块（21）；
5.根据权利要求1所述的一种基于大数据的电力网络风险管理系统，其特征在于：所述机器学习算法模块（5）包括特征提取模块（22）、机器学习模型模块（23）、模型训练与评估模块（24）、用户交互模块（25...
【专利技术属性】
技术研发人员：俎洋辉，秦爽，李利，张启军，陈冠华，赵泽升，
申请(专利权)人：北京中友科技有限公司，
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。