【技术实现步骤摘要】
本专利技术涉及电力规划，具体涉及一种基于系统学习的电力数据处理方法及系统。
技术介绍
1、在电力规划设计的过程中，各种类的电力数据的处理过程作为前置步骤显得尤为重要，现有的电力数据处理主要是对单独种类数据进行处理，并无法对不同种类或者不同类型数据进行关联处理，进而导致现有的电力数据处理过程效率不高，无法满足日益增长的电力规划设计需求。
2、例如，公告号为cn117633881a的中国专利，涉及一种电力数据优化处理方法，包括：用户通过客户端的web浏览页面进行身份标识验证，判定是否准许登入系统，根据用户身份所赋予的角色获取相应的访问和管理权限；各个采集点的文件包通过中央处理器发放的公钥进行加密，并通过无线网络上传给云端，云端通过私钥解密文件包后并进行存储；改进聚类算法以各个文件包中电力数据的中位数作为聚类质心，将文件包中的电力数据进行迭代聚合，并对聚值集未收容的电力数据进行异常显示，并生成警示信息和新命令，实现电力数据的加密输送和访问以及异常数据凸显处理。但是，公告号为cn117633881a的中国专利侧重于对电力数据的加密访问，并没有涉及对不同种类或者不同类型的数据处理过程。
技术实现思路
1、本专利技术解决了现有的电力数据处理方法无法对不同种类或者不同类型数据进行关联处理的问题，提出一种基于系统学习的电力数据处理方法及系统，能够借助系统学习处理方法对结构数据和非结构数据进行综合处理，并充分挖掘数据的关联关系，使不同种类之间的电力数据互为补充，为后续的电力规划设计提供数
2、为了实现上述目的，本专利技术采用以下技术方案：
3、一种基于系统学习的电力数据处理方法，包括以下步骤：
4、s1，接收分散数据，分散数据包括第一结构数据和非结构数据，对非结构数据进行处理生成第二结构数据；
5、s2，根据电力数据要素将第一结构数据和第二结构数据进行分类形成多个待处理数据集，对待处理数据集进行重复度筛选生成第三结构数据；
6、s3，对第三结构数据进行关联分析，根据时间戳和电力数据要素生成第一关系数据和第二关系数据；
7、s4，根据结构数据和关系数据生成三维数据组，对三维数据组进行第一数图转换和拼接处理后生成整体图，整体图经发送并还原后以备查询。
8、本技术方案中，首先通过相应的接收设备接收分散数据，并且对分散数据里面的非结构数据进行处理以得到第二结构数据，分散数据本身存在的第一结构数据和转换处理得到的第二结构数据根据电力数据要素进行分类得到若干个待处理数据集，对上述的数据集进行重复度筛选已形成第三结构数据，在得到第三结构数据之后，从两个维度出发，生成有第一关系数据以及第二关系数据，这两个关系数据能够进一步映衬第三结构数据的功能和数据含义；最后，对三维数据组进行数图转换得到整体图，通过图像传输的方式将上述的数据传输至使用端，以备后续的电力规划设计的使用，对后续电力规划设计过程提供数据参考。
9、本专利技术还进一步设置为：所述对非结构数据进行处理生成第二结构数据，包括：
10、s11，将非结构数据均输入至深度学习的神经网络系统模型中，解析输出相应的模型输出结构数据；
11、s12，从模型输出结构数据中筛选去除所有的格式数据，提取得到特征结构数据；
12、s13，将特征结构数据按照时间戳的顺序重新拼合得到第二结构数据。
13、本技术方案中，对于上述非结构数据的转换过程，其主要是利用了预先训练完成的神经网络系统模型来进行解析输出，该系统具备深度学习功能，模型的输入为非结构数据，其输出则是相应的模型输出结构数据，模型输出结构数据此时为结构数据，但是在模型输出结构数据之中，存在有大量的无关数据，故在模型输出结构数据之后，依次进行筛选和提取，得到特征结构数据，特征结构数据由于较为分散，故根据时间戳顺序进行重新拼合，得到有最终的第二结构数据。
14、本专利技术还进一步设置为：所述步骤s2包括：
15、s21，根据电力数据的实际用途，分类得到若干个电力数据要素；
16、s22，根据第一结构数据和第二结构数据中的关键信息，判断其所属的具体电力数据要素种类，得到若干个不同电力数据要素的待处理数据集；
17、s23，对待处理数据集中重复的数据进行删除，以得到第三结构数据。
18、本技术方案中，首先确定电力数据要素的具体分类，在确定了具体的分类之后，直接从步骤s1得到的第一结构数据和第二结构数据中提取相应的关键信息，根据关键信息来判断其是属于哪一个电力数据要素种类，在确定了其电力数据要素种类之后，将待处理数据集中的重复数据进行删除，最终得到有第三结构数据。
19、本专利技术还进一步设置为：所述对待处理数据集中重复的数据进行删除，包括：
20、遍历同一电力数据要素的待处理数据集，确定待处理数据中的关键特征；
21、提取相同关键特征的数据字节，统计数据字节的重复字节数；若重复字节数大于重复判断范围，该数据字节为重复字节；
22、若关键特征均为重复字节，则该待处理数据为重复数据。
23、本技术方案中，为了更好的进行后续的数据聚类，对待处理数据集中的重复数据进行剔除，首先确定待处理数据中的若干个关键特征，这些关键特征由若干个数据字节构成，直接对这些数据字节进行统计分析，若存在有相同的两个数据字节，则两个数据字节均为重复字节，具体的，对于相同的两个数据字节的判断标准，只需要满足重复字节数大于重复判断范围即可；随后在关键特征中的所有数据字节均为重复字节，则两个待处理数据均为重复数据，删除一个即可。
24、本专利技术还进一步设置为：所述对第三结构数据进行关系分析，包括：
25、提取同一电力数据要素的一个第三结构数据，根据时间戳的顺序分析该数据与临近时间戳对应的第三结构数据的关系，判断是否存在有关联数据，若是，则按当前时间戳生成第一关系数据，直至遍历完所有的同一电力数据要素，生成关于第一关系数据的集合。
26、本技术方案中，同一电力数据要素之下的第三结构数据，根据其与临近时间戳对应的第三结构数据是否存在关系来决定是否生成第一关系数据，若该第三结构数据能够与临近时间戳对应的第三结构数据存在关联，且能够结合生成全新的关联数据，则生成有相应的第一关系数据，最终能够生成有第一关系数据的集合。
27、本专利技术还进一步设置为：所述对第三结构数据进行关系分析，还包括：
28、提取相同时间戳但不同电力数据要素下的若干个第三结构数据，判断若干个第三结构数据之间是否存在有关联数据，若是，则按当前时间戳生成第二关系数据，直至遍历完所有的第三结构数据，生成关于第二关系数据的集合。
29、本技术方案中，在相同时间戳，不同电力数据要素下的第三结构数据，由于在相同的时间点，也同样存在有数据关联的可能，若存在有关联关系且能够存在有关联数据，则直接生成有第二关系数据，最终生成有第本文档来自技高网...
【技术保护点】
1.一种基于系统学习的电力数据处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于系统学习的电力数据处理方法，其特征在于，所述对非结构数据进行处理生成第二结构数据，包括：
3.根据权利要求1所述的一种基于系统学习的电力数据处理方法，其特征在于，所述步骤S2包括：
4.根据权利要求3所述的一种基于系统学习的电力数据处理方法，其特征在于，所述对待处理数据集中重复的数据进行删除，包括：
5.根据权利要求1所述的一种基于系统学习的电力数据处理方法，其特征在于，所述对第三结构数据进行关系分析，包括：
6.根据权利要求5所述的一种基于系统学习的电力数据处理方法，其特征在于，所述对第三结构数据进行关系分析，还包括：
7.根据权利要求1-6任一项所述的一种基于系统学习的电力数据处理方法，其特征在于，所述步骤S4包括：
8.根据权利要求1-6任一项所述的一种基于系统学习的电力数据处理方法，其特征在于，所述拼接处理包括顺序拼接和不规则拼接，所述顺序拼接具体为按照数据组的顺序进行拼接，所述不规则拼接具
9.根据权利要求5所述的一种基于系统学习的电力数据处理方法，其特征在于，所述判断是否存在有关联数据的依据为经验公式或者是AI大数据模型，所述AI大数据模型根据历史得到的关联数据的特征来进行AI预测。
10.一种基于系统学习的电力数据处理系统，采用权利要求1-9任一项所述的一种基于系统学习的电力数据处理方法，其特征在于，包括：
...【技术特征摘要】
1.一种基于系统学习的电力数据处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于系统学习的电力数据处理方法，其特征在于，所述对非结构数据进行处理生成第二结构数据，包括：
3.根据权利要求1所述的一种基于系统学习的电力数据处理方法，其特征在于，所述步骤s2包括：
4.根据权利要求3所述的一种基于系统学习的电力数据处理方法，其特征在于，所述对待处理数据集中重复的数据进行删除，包括：
5.根据权利要求1所述的一种基于系统学习的电力数据处理方法，其特征在于，所述对第三结构数据进行关系分析，包括：
6.根据权利要求5所述的一种基于系统学习的电力数据处理方法，其特征在于，所述对第三结构数据进行关系分析，还包括：
7.根据权利要求1-6任...
【专利技术属性】
技术研发人员：胡倩，朱卫东，周晋雅，苗文捷，王才倩，李于宝，石国超，陈嘉敏，
申请(专利权)人：杭州市电力设计院有限公司，
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。