CN115687313A - 成本数据补全方法、设备和存储介质 - Google Patents
成本数据补全方法、设备和存储介质 Download PDFInfo
- Publication number
- CN115687313A CN115687313A CN202211118663.4A CN202211118663A CN115687313A CN 115687313 A CN115687313 A CN 115687313A CN 202211118663 A CN202211118663 A CN 202211118663A CN 115687313 A CN115687313 A CN 115687313A
- Authority
- CN
- China
- Prior art keywords
- time
- data
- cost
- cost data
- dimensionless
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种成本数据补全方法、设备和存储介质,其中,成本数据补全方法:获取每台待核算设备分别在各投运时间的原始成本数据;并按照设备类型对原始成本数据进行汇总统计并执行无量纲化处理,得到各种设备类型分别对应的无量纲成本数据;对于每种设备类型对应的无量纲成本数据:依序查找无量纲成本数据中缺少第一子数据的投运时间作为待补全时间,并在无量纲成本数据中围绕待补全时间搜索满足预设条件的投运时间作为参考时间,及基于参考时间的第一子数据对待补全时间进行插值处理,得到待补全时间待补全后的第一子数据。上述方案,能够提高成本数据补全方法的普适性、实用性和准确性。
Description
技术领域
本申请涉及设备管理技术领域,特别是涉及一种成本数据补全方法、设备和存储介质。
背景技术
随着电网企业数字化转型,推进设备全寿命周期管理成为企业发展的核心任务,设备全寿命周期管理能够有效促进设备管理资源合理化配置、提升资产运营绩效、提升设备运检质效。
目前,在利用数据中台的数据进行决策分析时,无法保证数据质量,设备LCC(LifeCycle Cost,全生命周期成本)仿真测算需要一份完整的数据,在对缺失数据进行补全的过程中,主要采用随机填充、均值填充、最相似填充等方法,但是由于这些方法不够严谨且通用性较差,导致对缺失数据的补全准确性较低,从而影响LCC仿真测算结果及应用。有鉴于此,如何提高成本数据补全方法的普适性、实用性和准确性,成为亟待解决的问题。
发明内容
本申请主要解决的技术问题是提供一种成本数据补全方法、设备和存储介质,能够增强成本数据补全方法的普适性、实用性和准确性。
为了解决上述技术问题,本申请第一方面提供了一种成本数据补全方法,包括:获取每台待核算设备分别在各投运时间的原始成本数据;并按照设备类型对原始成本数据进行汇总统计并执行无量纲化处理,得到各种设备类型分别对应的无量纲成本数据,且无量纲成本数据包含按照投运时间依序排列的第一子数据;对于每种设备类型对应的无量纲成本数据:依序查找无量纲成本数据中缺少第一子数据的投运时间作为待补全时间,并在无量纲成本数据中围绕待补全时间搜索满足预设条件的投运时间作为参考时间,及基于参考时间的第一子数据对待补全时间进行插值处理,得到待补全时间待补全后的第一子数据;其中,预设条件包括:投运时间存在第一子数据且与待补全时间之间的时间跨度在预设时长之内。
为了解决上述技术问题,本申请第二方面提供了一种成本数据补全设备,包括相互耦接的存储器和处理器,存储器中存储有程序指令,处理器用于执行程序指令以实现上述第一方面中的成本数据补全方法。
为了解决上述技术问题,本申请第三方面提供了一种计算机可读存储介质,存储有能够被处理器运行的程序指令,程序指令用于实现上述第一方面中的成本数据补全方法。
上述方案,通过获取每台待核算设备分别在各投运时间的原始成本数据,并按照设备类型对原始成本数据进行汇总统计并执行无量纲化处理,得到各种设备类型分别对应的无量纲成本数据,且无量纲成本数据包含按照投运时间依序排列的第一子数据;对于每种设备类型对应的无量纲成本数据:依序查找无量纲成本数据中缺少第一子数据的投运时间作为待补全时间,并在无量纲成本数据中围绕待补全时间搜索满足预设条件的投运时间作为参考时间,及基于参考时间的第一子数据对待补全时间进行插值处理,得到待补全时间待补全后的第一子数据,预设条件包括:投运时间存在第一子数据且与待补全时间之间的时间跨度在预设时长之内,一方面通过对原始成本数据进行汇总统计并执行无量纲化处理,有助于尽可能地消除量纲影响,使数据更加平滑,另一方面基于参考时间的第一子数据对待补全时间进行插值处理,进而得到待补全时间待补全后的第一子数据,有助于确保补全数据的准确性,提高成本数据补全方法的普适性、实用性和准确性,进而提高设备全寿命周期成本分析的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本申请的实施例,并与说明书一起用于说明本申请的技术方案。
图1是本申请成本数据补全方法一实施例的流程示意图;
图2是每台待核算设备的原始成本数据一实施例的示意图;
图3是基于设备类型对原始成本数据汇总一实施例的示意图;
图4是无量纲成本数据中选择参考时间一实施例的示意图;
图5是对待补全数据补全后的一实施例的示意图;
图6是本申请成本数据补全装置一实施例的框架示意图;
图7是本申请成本数据补全设备一实施例的框架示意图;
图8是本申请计算机可读存储介质一实施例的框架示意图。
具体实施方式
下面结合说明书附图,对本申请实施例的方案进行详细说明。
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、接口、技术之类的具体细节,以便透彻理解本申请。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。此外,本文中的“多”表示两个或者多于两个。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
请参阅图1,图1是本申请成本数据补全方法一实施例的流程示意图。具体而言,可以包括如下步骤:
步骤S11:获取每台待核算设备分别在各投运时间的原始成本数据。
在一个实施场景中,可以基于Dataphi、Dataworks等数据集成工具,获取每台待核算设备分别在各投运时间的原始成本数据,获取数据的集成工具可以根据实际情况进行选择,在此不做具体限定。
在一个实施场景中,待核算设备可以是断路器,也可以是电弧故障保护器、真空接触器等,待核算设备可以根据实际情况进行确定,在此不做具体限定。
在一个实施场景中,投运时间可以设置为1年,也可以设置为1季度、1月等,投运时间可以根据实际情况进行确定,在此不做具体限定。
请参阅2,图2是每台待核算设备的原始成本数据一实施例的示意图,图2中投运时间为1年,如图2所示,获取到的原始成本数据包括初始投资成本(C1)、运维成本(C2)、检修成本(C3)、故障成本(C4)、退役处置成本(C5)等特征信息。需要说明的是,图2中所示数据并不完整,仅仅是示意性地给出了部分设备在部分年度的原始成本数据,并不能因此而限定实际应用中原始成本数据的数据量。
步骤S12:按照设备类型对原始成本数据进行汇总统计并执行无量纲化处理,得到各种设备类型分别对应的无量纲成本数据。
本公开实施例中,无量纲成本数据包含按照投运时间依序排列的第一子数据,第一子数据包括若干种维度的数据,若干种维度至少包括运维成本、检修成本和故障成本三种目标维度,待补全时间的查找范围为无量纲成本数据中三种目标维度的数据范围。当然,若干种维度还可以包括初始投资成本、运维成本、检修成本、故障成本和退役处置成本五种目标维度,此时,待补全时间的查找范围为无量纲成本数据中五种目标维度的数据范围。若干种维度包含的成本数据可以根据实际情况进行确定,在此不做具体限定。上述方式,通过对若干种维度的成本数据进行无量纲化处理,尽可能地消除量纲影响,进而提高成本数据补全的准确性。
在一个实施场景中,为了得到各种设备类型分别对应的无量纲成本数据,可以按照设备类型对原始成本数据进行汇总统计,得到各种设备类型分别对应的汇集成本数据,再基于设备类型对应的汇集成本数据和若干设备类型的设备数量数据进行无量纲化处理,得到设备类型对应的无量纲成本数据。
在另一个实施场景中,为了进一步提高无量纲化数据的准确性,可以按照设备类型对原始成本数据进行汇总统计,得到各种设备类型分别对应的汇集成本数据,且汇集成本数据包含按照投运时间依序排列的第二子数据,第二子数据为基于设备类型对原始成本数据进行汇总统计且未执行无量纲化处理的数据。再统计各种设备类型分别在各投运时间的设备数量数据,对于每种设备类型:基于设备类型对应的汇集成本数据和设备类型在各投运时间的设备数量数据进行无量纲化处理,得到设备类型对应的无量纲成本数据。上述方式,按照设备类型对原始成本数据进行汇总统计,有助于提高各设备类型成本数据之间的关联性,再对汇总后的数据进行无量纲化处理,进而使数据更加平滑。
在一个具体实施场景中,为了得到各种设备类型分别对应的汇集成本数据,可以先对获取到每台待核算设备分别在各投运时间的原始成本数据进行分类,具体以设备类型进行分类。示例性地,请参阅图3,图3是基于设备类型对原始成本数据汇总一实施例的示意图,具体地,图3是在图2基础上按照设备类别进行分类,即是以设备类别为粒度的各年度的原始成本数据。需要说明的是,图中所示数据并不完整,仅仅是示意性地给出了部分设备在部分年度的原始成本数据,并不能因此而限定实际应用中原始成本数据的数据量。
在一个具体实施场景中,第二子数据包括若干种维度的数据,若干种维度包括:初始投资成本、运维成本、检修成本、故障成本和退役处置成本,且设备数量数据包括在役设备数量和处置设备数量;基于设备类型对应的汇集成本数据和设备类型在各投运时间的设备数量数据进行无量纲化处理,可以基于不同维度的成本数据,选择不同的处理方式,对于初始投资成本、运维成本、检修成本和故障成本,分别基于处于相同投运时间的第二子数据和在役设备数量进行无量纲化处理,得到对应维度在各投运时间的第一子数据;对于退役处置成本,基于处于相同投运时间的第二子数据和处置设备数量进行无量纲化处理,得到对应维度在各投运时间的第一子数据。具体地,无量纲化处理的方法可以包括极值化、标准化、均值化、标准差化等,无量纲化处理方法可以根据实际情况进行选择,在此不做具体限定。上述方式,通过对不同的成本数据选择不同方式的无量纲化处理方式,有助于提高无量纲化数据的准确性,进一步提高成本数据补全方法的适用性。
示例性地,请结合参阅图3,如需对投运年份为第2年的运维成本数据进行无量纲处理,可以对第二子数据23790和在役设备数量66进行无量纲化处理,具体可以将23790与66两者之间的比值确定为第一子数据。所示方式仅为实际应用中的可能采用的一种方式,并不因此而限定实际应用中所采用的无量纲化处理方式,具体可以根据实际情况进行确定,在此不做具体限定。
步骤S13:依序查找无量纲成本数据中缺少第一子数据的投运时间作为待补全时间,并在无量纲成本数据中围绕待补全时间搜索满足预设条件的投运时间作为参考时间,及基于参考时间的第一子数据对待补全时间进行插值处理,得到待补全时间待补全后的第一子数据。
需要说明的是,对于每种设备类型对应的无量纲成本数据,均需依序查找无量纲成本数据中缺少第一子数据的投运时间作为待补全时间,并在无量纲成本数据中围绕待补全时间搜索满足预设条件的投运时间作为参考时间,及基于参考时间的第一子数据对待补全时间进行插值处理,得到待补全时间待补全后的第一子数据。
在一个实施场景中,查找无量纲成本数据中缺失数据可以基于不同年份相同维度数据进行查找,也可以基于相同年份不同维度进行查找,进行无量纲化成本中缺失数据的查找方式可以根据实际情况进行选择,在此不做具体限定。
在一个实施场景中,在确定待补全数据之后,在无量纲成本数据中围绕待补全时间搜索满足预设条件的投运时间作为参考时间,围绕待补全时间搜索至少两个参考时间,当然,可以搜索三个参考时间、四个参考时间等,围绕待补全时间搜索的参考时间数量可以根据实际情况进行确定,在此不做具体限定。此外,预设条件可以是投运时间存在第一子数据且与待补全时间之间的时间跨度在预设时长之内,预设时长可以是2年、3年、2个月、2个季度等,预设时长可以参考投运时间进行确定,在此不做具体限定。
请参阅图4,图4是无量纲成本数据中选择参考时间一实施例的示意图,在无量纲成本数据中围绕待补全时间搜索满足预设条件的投运时间作为参考时间,可以响应于待补全时间为无量纲成本数据中首个投运时间,在待补全时间之后搜索参考时间。或者,可以响应于待补全时间并非无量纲成本数据中首个投运时间,在待补全时间之前、之后中至少一者搜索参考时间。上述方式,通过无量纲成本数据中待补全数据的待补全时间,选择参考时间,有助于提高参考时间与待补全时间之间的关联性,进而提高成本数据补全方法的准确性。
在一个实施场景中,在无量纲成本数据中围绕连续的待补全时间,搜索满足预设条件的投运时间作为参考时间之后,基于为连续的待补全时间搜索到参考时间的第一子数据,对连续的待补全时间分别进行插值处理,得到连续的待补全时间分别待补全后的第一子数据。请参阅图5,图5是对待补全数据补全后的一实施例的示意图,图5在图4的基础上对待补全数据进行补全。上述方式,通过搜索参考时间,再基于连续的待补全时间搜索到参考时间的第一子数据,处理得到连续的待补全时间分别待补全后的第一子数据。有助于提高待补全数据的准确性,进而提高设备全寿命周期成本分析的准确性。
在一个实施场景中,插值处理可以采用拉格朗日插值、曲线拟合插值、牛顿多项式插值等,插值处理的方式可以根据实际情况进行确定,在此不做具体限定。
在一个具体实施场景中,在确定待补全时间,并确定待补全时间的参考时间之后,为连续的待补全时间搜索到参考时间分别为(xn-1,yn-1),(xn+1,yn+1),根据拉格朗日插值公式求节点y,也就是待补全时间的第一子数据y,拉格朗日插值公式如下:
其中,n为该次补充y节点的个数和给定参考时间的第一子数据,x为待补全时间。xj、xk为给定的参考时间xn+1、xn-1,yk为参考时间的第一子数据yn-1、yn+1。根据上述公式拟合得到的一个插值函数,再将待补全时间代入,即可计算得到待补全时间的待补全数据。
上述方案,上述方案,通过获取每台待核算设备分别在各投运时间的原始成本数据,并按照设备类型对原始成本数据进行汇总统计并执行无量纲化处理,得到各种设备类型分别对应的无量纲成本数据,且无量纲成本数据包含按照投运时间依序排列的第一子数据;对于每种设备类型对应的无量纲成本数据:依序查找无量纲成本数据中缺少第一子数据的投运时间作为待补全时间,并在无量纲成本数据中围绕待补全时间搜索满足预设条件的投运时间作为参考时间,及基于参考时间的第一子数据对待补全时间进行插值处理,得到待补全时间待补全后的第一子数据,预设条件包括:投运时间存在第一子数据且与待补全时间之间的时间跨度在预设时长之内,一方面通过对原始成本数据进行汇总统计并执行无量纲化处理,有助于尽可能地消除量纲影响,使数据更加平滑,另一方面基于参考时间的第一子数据对待补全时间进行插值处理,进而得到待补全时间待补全后的第一子数据,有助于确保补全数据的准确性,提高成本数据补全方法的普适性、实用性和准确性,进而提高设备全寿命周期成本分析的准确性。
请参阅图6,图6是本申请成本数据补全装置一实施例的框架示意图,成本数据补全装置包括成本获取模块、数据处理模块、数据判断模块、数据补全模块和数据输出模块。如图6所示,成本获取模块用于获取每台待核算设备分别在各投运时间的原始成本数据,并将获取到的原始成本数据发送给数据处理模块,数据处理模块包括成本数据库,成本数据库用于接收成本获取模块发送的原始成本数据,数据处理模块将成本数据库中的数据按设备类型汇总统计,并执行无量纲化处理,进而得到各种设备类型分别对应的无量纲成本数据。在得到无量纲成本数据之后,再查找无量纲化数据中缺少的第一子数据,查找方式可以参照前述公开实施例中查找方式,在此不再赘述。数据判断模块用于确定无量纲成本数据中缺少第一子数据的参考时间,并获取参考时间的第一子数据。具体地,将无量纲成本数据中缺少第一子数据的投运时间作为待补全时间n,并判断待补全时间n是否为1。
若待补全时间为1,则将n+1,n+2时间节点确定为参考时间,并获取n+1,n+2时间节点对应的第一子数据,并进一步判断第一子数据是否为空,若否,则将数据发送至数据补全模块;若是,则需要往下取时间节点,即获取n+3或n+4时间节点对应的第一子数据,并重复执行判断第一子数据是否为空的步骤,直到取到的第一子数据不为空为止,并将取到的第一子数据发送至数据补全模块。
若待补全时间不为1,则将n+1,n-1时间节点确定为参考时间,并获取n+1,n-1时间节点对应的第一子数据,并进一步判断第一子数据是否为空,若否,则将数据发送至数据补全模块;若是,则需要往下取时间节点,或往上取时间节点,即获取n+2或n-2时间节点对应的第一子数据,并重复执行判断第一子数据是否为空的步骤,直到取到的第一子数据不为空为止,并将取到的第一子数据发送至数据补全模块。
进一步地,在数据补全模块获取到参考时间的第一子数据之后,对获取到的第一子数据进行插值处理,插值处理的方式可以参阅前述公开实施例中插值处理方式,在此不再赘述。通过插值处理,得到待补全时间待补全后的第一子数据,进而构建完整的第一子数据,并通过数据输出模块输出各设备类型的第一子数据。
上述方案,通过获取每台待核算设备分别在各投运时间的原始成本数据,并按照设备类型对原始成本数据进行汇总统计并执行无量纲化处理,得到各种设备类型分别对应的无量纲成本数据,且无量纲成本数据包含按照投运时间依序排列的第一子数据;对于每种设备类型对应的无量纲成本数据:依序查找无量纲成本数据中缺少第一子数据的投运时间作为待补全时间,并在无量纲成本数据中围绕待补全时间搜索满足预设条件的投运时间作为参考时间,及基于参考时间的第一子数据对待补全时间进行插值处理,得到待补全时间待补全后的第一子数据,预设条件包括:投运时间存在第一子数据且与待补全时间之间的时间跨度在预设时长之内,一方面通过对原始成本数据进行汇总统计并执行无量纲化处理,有助于尽可能地消除量纲影响,使数据更加平滑,另一方面基于参考时间的第一子数据对待补全时间进行插值处理,进而得到待补全时间待补全后的第一子数据,有助于确保补全数据的准确性,提高成本数据补全方法的普适性、实用性和准确性,进而提高设备全寿命周期成本分析的准确性。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
请参阅图7,图7是本申请成本数据补全设备一实施例的框架示意图。成本数据补全设备70包括相互耦接的存储器71和处理器72,存储器71存储有程序指令,处理器72用于执行程序指令以实现上述任一成本数据补全方法实施例中的步骤。具体地,成本数据补全设备70可以包括但不限于:服务器、台式计算机、笔记本电脑等,在此不做限定。
具体而言,处理器72用于控制其自身以及存储器71以实现上述任一成本数据补全方法实施例中的步骤。处理器72还可以称为CPU(Central Processing Unit,中央处理单元)。处理器72可能是一种集成电路芯片,具有信号的处理能力。处理器72还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外,处理器72可以由多个集成电路芯片共同实现。
上述方案,一方面通过对原始成本数据进行汇总统计并执行无量纲化处理,有助于尽可能地消除量纲影响,使数据更加平滑,另一方面基于参考时间的第一子数据对待补全时间进行插值处理,进而得到待补全时间待补全后的第一子数据,有助于确保补全数据的准确性,提高成本数据补全方法的普适性、实用性和准确性,进而提高设备全寿命周期成本分析的准确性。
请参阅图8,图8是本申请计算机可读存储介质80一实施例的框架示意图。计算机可读存储介质80存储有能够被处理器运行的程序指令81,程序指令81用于实现上述任一成本数据补全方法实施例中的步骤。
上述方案,一方面通过对原始成本数据进行汇总统计并执行无量纲化处理,有助于尽可能地消除量纲影响,使数据更加平滑,另一方面基于参考时间的第一子数据对待补全时间进行插值处理,进而得到待补全时间待补全后的第一子数据,有助于确保补全数据的准确性,提高成本数据补全方法的普适性、实用性和准确性,进而提高设备全寿命周期成本分析的准确性。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处,其相同或相似之处可以互相参考,为了简洁,本文不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性、机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
若本申请技术方案涉及个人信息,应用本申请技术方案的产品在处理个人信息前,已明确告知个人信息处理规则,并取得个人自主同意。若本申请技术方案涉及敏感个人信息,应用本申请技术方案的产品在处理敏感个人信息前,已取得个人单独同意,并且同时满足“明示同意”的要求。例如,在摄像头等个人信息采集装置处,设置明确显著的标识告知已进入个人信息采集范围,将会对个人信息进行采集,若个人自愿进入采集范围即视为同意对其个人信息进行采集;或者在个人信息处理的装置上,利用明显的标识/信息告知个人信息处理规则的情况下,通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权;其中,个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。
Claims (10)
1.一种成本数据补全方法,其特征在于,包括:
获取每台待核算设备分别在各投运时间的原始成本数据;
按照设备类型对所述原始成本数据进行汇总统计并执行无量纲化处理,得到各种所述设备类型分别对应的无量纲成本数据;其中,所述无量纲成本数据包含按照所述投运时间依序排列的第一子数据;
对于每种所述设备类型对应的无量纲成本数据:依序查找所述无量纲成本数据中缺少所述第一子数据的投运时间作为待补全时间,并在所述无量纲成本数据中围绕所述待补全时间搜索满足预设条件的投运时间作为参考时间,及基于所述参考时间的第一子数据对所述待补全时间进行插值处理,得到所述待补全时间待补全后的第一子数据;
其中,所述预设条件包括:所述投运时间存在所述第一子数据且与所述待补全时间之间的时间跨度在预设时长之内。
2.根据权利要求1所述的方法,其特征在于,所述按照所述设备类型对所述原始成本数据进行汇总统计并执行无量纲化处理,得到各种所述设备类型分别对应的无量纲成本数据,包括:
按照所述设备类型对所述原始成本数据进行汇总统计,得到各种所述设备类型分别对应的汇集成本数据;其中,所述汇集成本数据包含按照所述投运时间依序排列的第二子数据;以及,
统计各种所述设备类型分别在各所述投运时间的设备数量数据;
对于每种所述设备类型:基于所述设备类型对应的汇集成本数据和所述设备类型在各所述投运时间的设备数量数据进行无量纲化处理,得到所述设备类型对应的无量纲成本数据。
3.根据权利要求2所述的方法,其特征在于,所述第二子数据包括若干种维度的数据,所述若干种维度包括:初始投资成本、运维成本、检修成本、故障成本和退役处置成本,且所述设备数量数据包括在役设备数量和处置设备数量;所述基于所述设备类型对应的汇集成本数据和所述设备类型在各所述投运时间的设备数量数据进行无量纲化处理,得到所述设备类型对应的无量纲成本数据,包括以下至少一者:
对于所述初始投资成本、所述运维成本、所述检修成本和所述故障成本,分别基于处于相同所述投运时间的第二子数据和在役设备数量进行无量纲化处理,得到对应所述维度在各所述投运时间的第一子数据;
对于所述退役处置成本,基于处于相同所述投运时间的第二子数据和处置设备数量进行无量纲化处理,得到对应所述维度在各所述投运时间的第一子数据。
4.根据权利要求1所述的方法,其特征在于,所述在所述无量纲成本数据中围绕所述待补全时间搜索满足预设条件的投运时间作为参考时间,包括以下至少一者:
响应于所述待补全时间为所述无量纲成本数据中首个所述投运时间,在所述待补全时间之后搜索所述参考时间;
响应于所述待补全时间并非所述无量纲成本数据中首个所述投运时间,在所述待补全时间之前、之后中至少一者搜索所述参考时间。
5.根据权利要求1或4所述的方法,其特征在于,围绕所述待补全时间搜索至少两个所述参考时间。
6.根据权利要求1所述的方法,其特征在于,若所述无量纲成本数据中查找到连续的待补全时间,所述在所述无量纲成本数据中围绕所述待补全时间搜索满足预设条件的投运时间作为参考时间,包括:
在所述无量纲成本数据中围绕所述连续的待补全时间,搜索满足所述预设条件的投运时间作为所述参考时间;
所述基于所述参考时间的第一子数据对所述待补全时间进行插值处理,得到所述待补全时间待补全后的第一子数据,包括:
基于为所述连续的待补全时间搜索到所述参考时间的第一子数据,对所述连续的待补全时间分别进行插值处理,得到所述连续的待补全时间分别待补全后的第一子数据。
7.根据权利要求1所述的方法,其特征在于,所述第一子数据包括若干种维度的数据,所述若干种维度至少包括运维成本、检修成本和故障成本三种目标维度,所述待补全时间的查找范围为所述无量纲成本数据中所述三种目标维度的数据范围。
8.根据权利要求1所述的方法,其特征在于,所述插值处理采用以下任一者:拉格朗日插值、曲线拟合插值、牛顿多项式插值。
9.一种成本数据补全设备,其特征在于,包括相互耦接的存储器和处理器,所述存储器中存储有程序指令,所述处理器用于执行所述程序指令以实现权利要求1至8任一项所述的成本数据补全方法。
10.一种计算机可读存储介质,其特征在于,存储有能够被处理器运行的程序指令,所述程序指令用于实现权利要求1至8任一项所述的成本数据补全方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211118663.4A CN115687313A (zh) | 2022-09-14 | 2022-09-14 | 成本数据补全方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211118663.4A CN115687313A (zh) | 2022-09-14 | 2022-09-14 | 成本数据补全方法、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115687313A true CN115687313A (zh) | 2023-02-03 |
Family
ID=85063114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211118663.4A Pending CN115687313A (zh) | 2022-09-14 | 2022-09-14 | 成本数据补全方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115687313A (zh) |
-
2022
- 2022-09-14 CN CN202211118663.4A patent/CN115687313A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110019396B (zh) | 一种基于分布式多维分析的数据分析***及方法 | |
CN111064614B (zh) | 一种故障根因定位方法、装置、设备及存储介质 | |
CN109784636A (zh) | 欺诈用户识别方法、装置、计算机设备及存储介质 | |
CN107122369B (zh) | 一种业务数据处理方法、装置和*** | |
WO2021254027A1 (zh) | 一种可疑社团的识别方法、装置、存储介质和计算机设备 | |
CN110457175B (zh) | 业务数据处理方法、装置、电子设备及介质 | |
CN111507479B (zh) | 特征分箱方法、装置、设备及计算机可读存储介质 | |
CN114881508A (zh) | 一种电网指标报表的数据处理方法、装置及设备 | |
CN117130851B (zh) | 一种高性能计算集群运行效率评价方法及*** | |
CN112241820B (zh) | 资金流动中关键节点的风险识别方法、装置及计算设备 | |
CN112035286A (zh) | 故障原因的确定方法及装置、存储介质、电子装置 | |
CN115687313A (zh) | 成本数据补全方法、设备和存储介质 | |
CN110175113A (zh) | 业务场景确定方法和装置 | |
CN113450142B (zh) | 一种电力客户用电行为聚类分析方法及装置 | |
CN110955760A (zh) | 判决结果的评价方法和相关装置 | |
CN114297037A (zh) | 一种告警聚类方法及装置 | |
CN113946717A (zh) | 一种子图指标特征获得方法、装置、设备及存储介质 | |
CN114331665A (zh) | 用于预定申请人的信用判定模型的训练方法、装置和电子设备 | |
CN110458707B (zh) | 基于分类模型的行为评估方法、装置及终端设备 | |
CN114756731A (zh) | 广告渠道数据的处理方法及装置、存储介质、电子设备 | |
CN106469086B (zh) | 事件处理方法和装置 | |
CN111835847B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN110119406B (zh) | 实时任务记录的核对方法及装置 | |
CN115396319B (zh) | 数据流分片方法、装置、设备及存储介质 | |
CN112491589B (zh) | 一种对象存储网络预警方法、***、终端及存储介质 |
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 |