CN117033705B - 面向客户侧能源互联的数据增值服务方法 - Google Patents
面向客户侧能源互联的数据增值服务方法 Download PDFInfo
- Publication number
- CN117033705B CN117033705B CN202311300202.3A CN202311300202A CN117033705B CN 117033705 B CN117033705 B CN 117033705B CN 202311300202 A CN202311300202 A CN 202311300202A CN 117033705 B CN117033705 B CN 117033705B
- Authority
- CN
- China
- Prior art keywords
- energy data
- data
- energy
- determined
- judged
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012545 processing Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 8
- 230000005611 electricity Effects 0.000 description 7
- 238000010295 mobile communication Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 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
- G06F16/90—Details of database functions independent of the retrieved data types
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种面向客户侧能源互联的数据增值服务方法,依据存放的能源数据组与事先设定的百分比,认定判定用能源数据组和要判定的能源数据,接着经判定用能源数据组内任意择出目的数据,依据事先设定的SVM模型与目的数据,推导要判定的能源数据的区别度,依据事先设定的再建度判定方程与目的数据,推导要判定的能源数据的可再建度,随后依据要判定的能源数据的区别度与可再建度,认定要判定的能源数据是不是高质量能源数据,经由判定用能源数据组事先设定的SVM模型与事先设定的再建度判定方程,推导取得能认定要判定的能源数据是不是高质量能源数据的区别度与可再建度,真实的择出高质量能源数据,减少低质量的雷同性能源数据的取用。
Description
技术领域
本发明属于客户侧能源互联技术领域,具体涉及一种面向客户侧能源互联的数据增值服务方法。
背景技术
随着日益增加的可再生能源发电技术,电池技术、储能技术等关键技术的不断突破,以及能源体系的快速变革共同推动着分布式电源和储能技术时代的来临。国外在分布式电源等智能资源领域开展了大量的实践探索和应用,主要包括商业模式、运营管理和平台建设等方面的研究和应用,值得思考和借鉴。国内新一轮电力体制改革促进我国电力行业在发电、售电、用电等多个环节进行深刻改革,能源***正在经历着一场前所未有的变革,能源互联网和“互联网+”智慧能源的快速推广,极大地促进了分布式电源等智能用电业务的发展。纵观当前国内外分布式电源和储能技术业务市场均是以独立的一类智能资源开展业务并应用推广,未来的能源互联网是多种智慧资源同时接入的智慧能源网络,这就是客户侧能源互联技术。
在客户侧能源互联技术中,能源互联网的数据处理中心往往要收取大量的能源数据来执行处理(比如显示、比较或者备份),若干收取的能源数据形成的能源数据组对处理的性能而言很关键,如果能源数据组内带有一些的雷同性数据,就会使得数据的非均匀性加大,以此让数据处理的性能不佳,所以,怎样减小雷同性数据的取用量就是急待处理的方向,而目前的能源数据取用方式包含任意抽取、定时抽取、自动化取用等,这样的方式均不能真正减小取用到的雷同性能源数据的个数。
发明内容
为解决现有技术中具有的不足,本发明提出一种面向客户侧能源互联的数据增值服务方法,依据存放的能源数据组与事先设定的百分比,认定判定用能源数据组和要判定的能源数据,接着经判定用能源数据组内任意择出目的数据,依据事先设定的SVM模型与目的数据,推导要判定的能源数据的区别度,依据事先设定的再建度判定方程与目的数据,推导要判定的能源数据的可再建度,随后依据要判定的能源数据的区别度与可再建度,认定要判定的能源数据是不是高质量能源数据,经由判定用能源数据组事先设定的SVM模型与事先设定的再建度判定方程,推导取得能认定要判定的能源数据是不是高质量能源数据的区别度与可再建度,真实的择出高质量能源数据,减少低质量的雷同性能源数据的取用。
本发明运用如下的技术方案。
一种面向客户侧能源互联的数据增值服务方法,包括:
步骤1:数据获取装置获取能源数据来传递给数据处理中心存放,存放的若干能源数据就形成了存放的能源数据组;
步骤2:数据处理中心执行对存放的能源数据的判定和处理;
所述数据处理中心执行对存放的能源数据的判定的方法,包括:
步骤2-1-1:依据存放的能源数据组与事先设定的百分比,认定判定用能源数据组与要判定的能源数据;
步骤2-1-2:经所述判定用能源数据组内任意择出目的数据,依据事先设定的SVM模型与所述目的数据,推导所述要判定的能源数据的区别度;
步骤2-1-3:依据事先设定的再建度判定方程与目的数据,推导所述要判定的能源数据的可再建度;
步骤2-1-4:依据所述要判定的能源数据的区别度与可再建度,认定所述要判定的能源数据是不是高质量能源数据。
优选地,所述步骤2-1-2具体包括:
推导目的数据Ae与要判定的能源数据Af间的非雷同性,其方程如下:
,这里,/>代表目的数据Ae与要判定的能源数据Af间的非雷同性,/>与/>分别代表送入量为Af的SVM模型与送入量为Ae的SVM模型,判定用能源数据组用G来代表,目的数据Ae就是判定用能源数据组G内的第e个能源数据,Af是第f个要判定的能源数据,而要判定的能源数据Af的区别度Mf的推导方程是:,区别度认定用最高量/>的推导方程是:,/>代表在全体内择取出最低的区别度量,/>代表全体/>的算术均数,/>代表全体/>的方差,/>代表在对存放的能源数据组执行方差齐性检验时,事先确定的出错几率范围条件下的存放的能源数据组中的能源数据最高量;
经由以上方程顺序推导要判定的能源数据和判定用能源数据组中全体样本间的区别度,取得若干区别度量,经全体区别度量中择出最低的区别度量当做要判定的能源数据的区别度。
优选地,所述步骤2-1-3具体包括:
第f个要判定的能源数据的可再建度是Wf,,第e个目的数据的可再建度是We,/>,这里,/>是给第f个要判定的能源数据设定的数据识别码,/>是给第e个目的数据设定的数据识别码,/>是把/>当做送入量用自编码器运算后取得的导出量,/>是把/>当做送入量用自编码器运算后取得的导出量,判定用能源数据组内全体目的数据的可再建度形成了可再建度组/>,/> ,可再建度认定用最高量/>是:/>,/>与分别为可再建度组/>内各个可再建度数据的算术均数和方差,经由以上方程推导取得要判定的能源数据的可再建度Wf。
优选地,所述步骤2-1-4具体包括:如果要判定的能源数据的区别度高过区别度认定用最高量,且要判定的能源数据的可再建度高过可再建度认定用最高量,就让要判定的能源数据的区别度与要判定的能源数据的可再建度相乘,相乘后取得的量就当做要判定的能源数据的质量数,如果要判定的能源数据的质量数高过一设定量,就认定要判定的能源数据是高质量能源数据;如果未满足要判定的能源数据的区别度高过区别度认定用最高量且要判定的能源数据的可再建度高过可再建度认定用最高量、或者要判定的能源数据的质量数高过一设定量,就认定要判定的能源数据非高质量能源数据。
优选地,所述步骤2-1-3中推导所述要判定的能源数据的可再建度后,还包含以下步骤:
步骤2-1-3-2:依据事先设定的校验方程一、事先设定的校验方程二与所述判定用能源数据组,认定区别度用最高量和可再建度用最高量;
步骤2-1-3-3:如果所述要判定的能源数据的区别度高过所述区别度用最高量,且所述要判定的能源数据的可再建度高过所述可再建度用最高量,就执行步骤2-1-4。
优选地,在所述步骤2-1-4后,还包含:
步骤2-1-5:如果所述要判定的能源数据是高质量能源数据,就把所述要判定的能源数据添进目的能源数据组;
步骤2-1-6:在所述目的能源数据组的样本个数高过事先设定的界定量二时,把所述目的能源数据组替换掉所述判定用能源数据组;
步骤2-1-7:执行所述步骤2-1-2,直到所述存放的能源数据组内未带有是高质量能源数据的要判定的能源数据,取得高质量能源数据组。
优选地,在所述步骤2-1-7后,还包含:
步骤2-1-8:收取并存放新的能源数据,依据所述高质量能源数据组、所述事先设定的SVM模型与所述事先设定的再建度判定方程,认定所述新能源数据是不是高质量能源数据。
优选地,所述数据处理中心执行对存放的能源数据的处理方法,包括:
对高质量能源数据组中的能源数据执行处理。
一种面向客户侧能源互联的数据增值服务装置,包括:
设于能源互联网中的数据获取装置与同其相连的数据处理中心;所述数据处理中心能够是服务器。
所述数据获取装置用于获取能源数据来传递给数据处理中心存放,存放的若干能源数据就形成了存放的能源数据组;
所述数据处理中心用于执行对存放的能源数据的判定和处理。
所述电压传感器、移动通信模块和电表都同控制器相连;
所述控制器用于经由移动通信模块把能源数据传至数据处理中心。
优选地,所述数据获取装置包括移动通信模块、控制器、用于获取能源互联网中的分布式电源的电压数据且传至控制器的电压传感器与用于获取能源互联网中的分布式电源的用电量且传至控制器的电表,分布式电源的电压与分布式电源的用电量就形成了能源数据。
本发明的有益效果在于,与现有技术相比,本发明依据存放的能源数据组与事先设定的百分比,认定判定用能源数据组和要判定的能源数据,接着经判定用能源数据组内任意择出目的数据,依据事先设定的SVM模型与目的数据,推导要判定的能源数据的区别度,依据事先设定的再建度判定方程与目的数据,推导要判定的能源数据的可再建度,随后依据要判定的能源数据的区别度与可再建度,认定要判定的能源数据是不是高质量能源数据,经由判定用能源数据组事先设定的SVM模型与事先设定的再建度判定方程,推导取得能认定要判定的能源数据是不是高质量能源数据的区别度与可再建度,真实的择出高质量能源数据,减少低质量的雷同性能源数据的取用。
附图说明
图1是本发明中所述步骤1到步骤2的流程图;
图2是本发明中所述步骤2-1-1到步骤2-1-4的流程图;
图3是本发明中所述步骤2-1-5到步骤2-1-8的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明的技术方案执行清楚、完整地表达。本申请所表达的实施例仅仅是本发明一部分的实施例,而不是全部实施例。基于本发明精神,本领域普通技术人员在未有作出创造性劳动前提下所获得的有所其它实施例,都属于本发明的保护范围。
如图1所示,本发明的一种面向客户侧能源互联的数据增值服务方法,包括:
步骤1:数据获取装置获取能源数据来传递给数据处理中心存放,存放的若干能源数据就形成了存放的能源数据组;
步骤2:数据处理中心执行对存放的能源数据的判定和处理;
如图2所示,所述数据处理中心执行对存放的能源数据的判定的方法,包括:
步骤2-1-1:依据存放的能源数据组与事先设定的百分比,认定判定用能源数据组与要判定的能源数据;
具体的,经庞大的存放的能源数据组内择取带有功能性的判定用能源数据组用在更有用的处理上;就像,存放的能源数据组内带有106个能源数据,事先设定的百分比是百分之七,那么依据存放的能源数据组内的能源数据总量和事先设定的百分比,推出判定用能源数据组的样本量是7*103,另外要判定的能源数据能为存放的能源数据组内去掉判定用能源数据组外的能源数据,也就是,经106个能源数据内先任意择出7*103个能源数据当做判定用能源数据组,接着经残留的93*103个能源数据内任意择出要判定的能源数据。
步骤2-1-2:经所述判定用能源数据组内任意择出目的数据,依据事先设定的SVM模型(SVM模型也就是SVM算法)与所述目的数据,推导所述要判定的能源数据的区别度;
本发明优选但非限制性的实施方式中,所述步骤2-1-2具体包括:
推导目的数据Ae与要判定的能源数据Af间的非雷同性(用量化的方式表征),其方程如下:
,这里,/>代表目的数据Ae与要判定的能源数据Af间的非雷同性,/>与/>分别代表送入量为Af的SVM模型与送入量为Ae的SVM模型,判定用能源数据组用G来代表,目的数据Ae就是判定用能源数据组G内的第e个能源数据,Af是第f个要判定的能源数据,而要判定的能源数据Af的区别度Mf的推导方程是:,区别度认定用最高量/>的推导方程是:,/>代表在全体内择取出最低的区别度量,/>代表全体/>的算术均数,/>代表全体/>的方差,/>代表在对存放的能源数据组执行方差齐性检验时,事先确定的出错几率范围条件下的存放的能源数据组中的能源数据最高量;
经由以上方程顺序推导要判定的能源数据和判定用能源数据组中全体样本间的区别度,取得若干区别度量,经全体区别度量中择出最低的区别度量当做要判定的能源数据的区别度。
步骤2-1-3:依据事先设定的再建度判定方程与目的数据,推导所述要判定的能源数据的可再建度;
本发明优选但非限制性的实施方式中,所述步骤2-1-3具体包括:
第f个要判定的能源数据的可再建度是Wf,,第e个目的数据的可再建度是We,/>,这里,/>是给第f个要判定的能源数据设定的数据识别码,/>是给第e个目的数据设定的数据识别码,/>是把/>当做送入量用自编码器运算后取得的导出量,/>是把/>当做送入量用自编码器运算后取得的导出量,判定用能源数据组内全体目的数据的可再建度形成了可再建度组/>,/> ,可再建度认定用最高量/>是:/>,/>与分别为可再建度组/>内各个可再建度数据的算术均数和方差,经由以上方程推导取得要判定的能源数据的可再建度Wf。
步骤2-1-4:依据所述要判定的能源数据的区别度与可再建度,认定所述要判定的能源数据是不是高质量能源数据。
本发明优选但非限制性的实施方式中,所述步骤2-1-4具体包括:如果要判定的能源数据的区别度高过区别度认定用最高量,且要判定的能源数据的可再建度高过可再建度认定用最高量,就让要判定的能源数据的区别度与要判定的能源数据的可再建度相乘,相乘后取得的量就当做要判定的能源数据的质量数,如果要判定的能源数据的质量数高过一设定量,就认定要判定的能源数据是高质量能源数据;如果未满足要判定的能源数据的区别度高过区别度认定用最高量且要判定的能源数据的可再建度高过可再建度认定用最高量、或者要判定的能源数据的质量数高过一设定量,就认定要判定的能源数据非高质量能源数据。
也就是说,所述步骤2-1-2的详细流程包含:
步骤2-1-2-1:把所述要判定的能源数据与所述目的数据送入事先设定的SVM模型,取得区别度;
步骤2-1-2-2:替换所述目的数据,且反复执行执行步骤2-1-2-1,取得若干区别度;
步骤2-1-2-2:把所述若干区别度内的最低量当做所述要判定的能源数据的区别度。
认定判定用能源数据组后,能先经判定用能源数据组内任意择出一目的数据,依据事先设定的SVM模型推导要判定的能源数据和该目的数据的非雷同性值,接着精判定用能源数据组内任意择出一目的数据(前一回择出的目的数据可清理),这样反复执行,可取得判定用能源数据组内全体的目的数据和要判定的能源数据间的非雷同性值(也就是所述区别度),经该区别度内择出一最低的区别度,认定该最低的区别度是要判定的能源数据的区别度。
也就是说,所述步骤2-1-3的详细流程包含:
步骤2-1-3-1:把所述要判定的能源数据与所述目的数据送入包含事先设定的校验模型的事先设定的再建度判定方程,取得所述要判定的能源数据的可再建度。
推导取得要判定的能源数据的区别度后,依据事先设定的再建度判定方程与目的数据,推导要判定的能源数据的可再建度,详细而言,第f个要判定的能源数据的可再建度是Wf,,第e个目的数据的可再建度是We,/>,这里,/>是给第f个要判定的能源数据设定的数据识别码,/>是给第e个目的数据设定的数据识别码,/>是把/>当做送入量用自编码器运算后取得的导出量,/>是把/>当做送入量用自编码器运算后取得的导出量,判定用能源数据组内全体目的数据的可再建度形成了可再建度组/>,/> ,可再建度认定用最高量/>是:,/>与/>分别为可再建度组/>内各个可再建度数据的算术均数和方差,经由以上方程推导取得要判定的能源数据的可再建度Wf与可再建度认定用最高量,接着认定要判定的能源数据是不是能经过可再建度校验。
本发明优选但非限制性的实施方式中,所述步骤2-1-3中推导所述要判定的能源数据的可再建度后,还包含以下步骤:
步骤2-1-3-2:依据事先设定的校验方程一、事先设定的校验方程二与所述判定用能源数据组,认定区别度用最高量和可再建度用最高量;
步骤2-1-3-3:如果所述要判定的能源数据的区别度高过所述区别度用最高量,且所述要判定的能源数据的可再建度高过所述可再建度用最高量,就执行步骤2-1-4。
这里的事先设定的校验方程一就是以上的区别度认定用最高量方程:,事先设定的校验方程二就是以上的可再建度认定用最高量方程:/>,依据事先设定的校验方程一、事先设定的校验方程二与判定用能源数据组,分别认定区别度用最高量与可再建度用最高量,接着,认定要判定的能源数据的区别度与区别度用最高量间的高低,认定要判定的能源数据的可再建度与可再建度用最高量间的高低,如果要判定的能源数据的区别度高过区别度用最高量,且要判定的能源数据的可再建度高过可再建度用最高量,就执行步骤2-1-4,也就是,在要判定的能源数据的区别度与可再建度分别经由区别度校验与可再建度校验时,方可认定要判定的能源数据是不是高质量能源数据。
也就是说,所述步骤2-1-4的详细流程包含:
步骤2-1-4-1:依据所述要判定的能源数据的区别度与可再建度,推导所述要判定的能源数据的质量数;
步骤2-1-4-2:如果所述质量数高过事先设定的界定量一,就认定所述要判定的能源数据为高质量能源数据;
步骤2-1-4-3:如果所述质量数未高过事先设定的界定量一,就认定所述要判定的能源数据非高质量能源数据。
这样依据要判定的能源数据的区别度和可再建度,认定要判定的能源数据是不是高质量能源数据的详细流程是:如果要判定的能源数据的区别度高过区别度认定用最高量,且要判定的能源数据的可再建度高过可再建度认定用最高量,就让要判定的能源数据的区别度与要判定的能源数据的可再建度相乘,相乘后取得的量就当做要判定的能源数据的质量数,如果要判定的能源数据的质量数高过一设定量,就认定要判定的能源数据是高质量能源数据;如果为满足以上任意要求,就认定要判定的能源数据非高质量能源数据。
本发明依据存放的能源数据组与事先设定的百分比,认定判定用能源数据组和要判定的能源数据,接着经判定用能源数据组内任意择出目的数据,依据事先设定的SVM模型与目的数据,推导要判定的能源数据的区别度,依据事先设定的再建度判定方程与目的数据,推导要判定的能源数据的可再建度,随后依据要判定的能源数据的区别度与可再建度,认定要判定的能源数据是不是高质量能源数据,经由判定用能源数据组事先设定的SVM模型与事先设定的再建度判定方程,推导取得能认定要判定的能源数据是不是高质量能源数据的区别度与可再建度,真实的择出高质量能源数据,减少低质量的雷同性能源数据的取用。
如图3所示,本发明优选但非限制性的实施方式中,在所述步骤2-1-4后,还包含:
步骤2-1-5:如果所述要判定的能源数据是高质量能源数据,就把所述要判定的能源数据添进目的能源数据组;
步骤2-1-6:在所述目的能源数据组的样本个数高过事先设定的界定量二时,把所述目的能源数据组替换掉所述判定用能源数据组;
步骤2-1-7:执行所述步骤2-1-2,直到所述存放的能源数据组内未带有是高质量能源数据的要判定的能源数据,取得高质量能源数据组。
在认定要判定的能源数据是高质量能源数据后,能把要判定的能源数据添进目的能源数据组,用于存放认定的高质量能源数据,在目的能源数据组内的高质量能源数据的个数高过事先设定的界定量二时,把带有高质量能源数据的目的能源数据组替换掉判定用能源数据组,继续执行认定要判定的能源数据,与经目的能源数据组内任意择出目的数据,依据事先设定的SVM模型与目的数据,推导要判定的能源数据的区别度这样的流程,等同于所述步骤2-1-1内,认定的判定用能源数据组是先前取得的带有高质量能源数据的目的能源数据组,反复执行所述步骤2-1-1至步骤2-1-4,直到存放的能源数据组内未带有高质量能源数据,随后取得高质量能源数据组。
本发明优选但非限制性的实施方式中,在所述步骤2-1-7后,还包含:
步骤2-1-8:收取并存放新的能源数据,依据所述高质量能源数据组、所述事先设定的SVM模型与所述事先设定的再建度判定方程,认定所述新能源数据是不是高质量能源数据。
以上取得高质量能源数据组后,能收取存放的能源数据组外的新的能源数据,依据以上一样的面向客户侧能源互联的数据增值服务方法,认定新能源数据是不是高质量能源数据,于是就能持续刷新高质量能源数据组,更佳的取用高质量能源数据。
于是经由对高质量能源数据的刷新,最优化了高质量能源数据的取用,真正能取用出高质量能源数据,减少低质量的雷同性能源数据的取用。
本发明优选但非限制性的实施方式中,所述数据处理中心执行对存放的能源数据的处理方法,包括:
对高质量能源数据组中的能源数据执行处理。这样就能保障处理的能源数据非低质量的。该处理包含显示高质量能源数据组中的能源数据或者比较高质量能源数据组中的能源数据和事先设定的合理的能源数据范围,以此判定高质量能源数据组中的能源数据是不是在合理的能源数据范围中。
本发明所述的一种面向客户侧能源互联的数据增值服务装置,包括:
设于能源互联网中的数据获取装置与同其相连的数据处理中心;所述数据处理中心能够是服务器。
所述数据获取装置用于获取能源数据来传递给数据处理中心存放,存放的若干能源数据就形成了存放的能源数据组;
本发明优选但非限制性的实施方式中,所述数据获取装置包括移动通信模块、控制器、用于获取能源互联网中的分布式电源的电压数据且传至控制器的电压传感器与用于获取能源互联网中的分布式电源的用电量且传至控制器的电表,分布式电源的电压与分布式电源的用电量就形成了能源数据;控制器能够是单片机。移动通信模块能够是4G模块。
所述电压传感器、移动通信模块和电表都同控制器相连;
所述控制器用于经由移动通信模块把能源数据传至数据处理中心。
所述数据处理中心用于执行对存放的能源数据的判定和处理。
本发明的有益效果在于,与现有技术相比,本发明依据存放的能源数据组与事先设定的百分比,认定判定用能源数据组和要判定的能源数据,接着经判定用能源数据组内任意择出目的数据,依据事先设定的SVM模型与目的数据,推导要判定的能源数据的区别度,依据事先设定的再建度判定方程与目的数据,推导要判定的能源数据的可再建度,随后依据要判定的能源数据的区别度与可再建度,认定要判定的能源数据是不是高质量能源数据,经由判定用能源数据组事先设定的SVM模型与事先设定的再建度判定方程,推导取得能认定要判定的能源数据是不是高质量能源数据的区别度与可再建度,真实的择出高质量能源数据,减少低质量的雷同性能源数据的取用。
本公开能是***、方法和/或计算机程序产品。计算机程序产品能包括计算机可读备份介质,其上载有用于使处理器达开销公开的各个方面的计算机可读程序指令。
计算机可读备份介质能是能保持和备份由指令执行电网线路运用的指令的有形电网线路。计算机可读备份介质就像能是――但不限于――电备份电网线路、磁备份电网线路、光备份电网线路、电磁备份电网线路、半导体备份电网线路或者上述的随意恰当的汇合。计算机可读备份介质的更进一步地例子(非枚举的列表)包括:便携式计算机盘、硬盘、随意存取备份器(RAM)、只读备份器(ROM)、可擦式可编程只读备份器(EPROM或闪存)、静态随意存取备份器(SRAM)、便携式压缩盘只读备份器(HD-ROM)、数字多用途盘(DXD)、记忆棒、软盘、机械编码电网线路、就像其上备份有指令的打孔卡或凹槽内凸起结构、与上述的随意恰当的汇合。这里所运用的计算机可读备份介质不被解释为瞬时信号本身,诸如无线电波或者其它自由传播的电磁波、通过波导或其它传递媒介传播的电磁波(就像,通过输电线路电缆的光脉冲)、或者通过电线传递的电信号。
这里所表达的计算机可读程序指令能从计算机可读备份介质下载到各个推算/处理电网线路,或者通过网络、就像因特网、局域网、广域网和/或无线网下载到外部计算机或外部备份电网线路。网络能包括铜传递电缆、输电线路传递、无线传递、路由器、防火墙、交换机、网关计算机和/或边缘业务器。各个推算/处理电网线路中的网络适配卡或者网络接口从网络收取计算机可读程序指令,并转发该计算机可读程序指令,以供存放于各个推算/处理电网线路中的计算机可读备份介质中。
用于执行本公开运作的计算机程序指令能是汇编指令、指令集架构(lSA)指令、机器指令、机器关联指令、微代码、固件指令、条件设定数值、或者以一种或若干个编程语言的随意汇合编写的源代码或目的代码,所述编程语言包括面向对象的编程语言—诸如SdalltalA、H++等,与常规的过程式编程语言—诸如“H”语言或类似的编程语言。计算机可读程序指令能完全地在客户计算机上执行、部分地在客户计算机上执行、当做一个独立的软件包执行、部分在客户计算机上部分在远程计算机上执行、或者完全在远程计算机或业务器上执行。在涉及远程计算机的情形中,远程计算机能通过随意属别的网络—包括局域网(LAb)或广域网(WAb)—连接到客户计算机,或者,能连接到外部计算机(就像运用因特网业务提供商来通过因特网连接)。在一些实施例中,通过运用计算机可读程序指令的状况数值来个性化定制电子电路,就像可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路能执行计算机可读程序指令,以此达开销公开的各个方面。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明执行了详细的说明,所属领域的普通技术人员应当理解:依然能对本发明的具体实施方式执行修改或者等同替换,而未脱离本发明精神和区间的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护区间之内。
Claims (4)
1.一种面向客户侧能源互联的数据增值服务方法,其特征在于,包括:
步骤1:数据获取装置获取能源数据来传递给数据处理中心存放,存放的若干能源数据就形成了存放的能源数据组;
步骤2:数据处理中心执行对存放的能源数据的判定和处理;
所述数据处理中心执行对存放的能源数据的判定的方法,包括:
步骤2-1-1:依据存放的能源数据组与事先设定的百分比,认定判定用能源数据组与要判定的能源数据;
步骤2-1-2:经所述判定用能源数据组内任意择出目的数据,依据事先设定的SVM模型与所述目的数据,推导所述要判定的能源数据的区别度;
步骤2-1-3:依据事先设定的再建度判定方程与目的数据,推导所述要判定的能源数据的可再建度;
步骤2-1-4:依据所述要判定的能源数据的区别度与可再建度,认定所述要判定的能源数据是不是高质量能源数据;
所述步骤2-1-2具体包括:
推导目的数据Ae与要判定的能源数据Af间的非雷同性,其方程如下:
,这里,/>代表目的数据Ae与要判定的能源数据Af间的非雷同性,/>与/>分别代表送入量为Af的SVM模型与送入量为Ae的SVM模型,判定用能源数据组用G来代表,目的数据Ae就是判定用能源数据组G内的第e个能源数据,Af是第f个要判定的能源数据,而要判定的能源数据Af的区别度Mf的推导方程是:,区别度认定用最高量/>的推导方程是:,/>代表在全体内择取出最低的区别度量,/>代表全体/>的算术均数,/>代表全体/>的方差,/>代表在对存放的能源数据组执行方差齐性检验时,事先确定的出错几率范围条件下的存放的能源数据组中的能源数据最高量;
经由以上方程顺序推导要判定的能源数据和判定用能源数据组中全体样本间的区别度,取得若干区别度量,经全体区别度量中择出最低的区别度量当做要判定的能源数据的区别度;
所述步骤2-1-3具体包括:
第f个要判定的能源数据的可再建度是Wf,,第e个目的数据的可再建度是We,/>,这里,/>是给第f个要判定的能源数据设定的数据识别码,/>是给第e个目的数据设定的数据识别码,/>是把/>当做送入量用自编码器运算后取得的导出量,/>是把/>当做送入量用自编码器运算后取得的导出量,判定用能源数据组内全体目的数据的可再建度形成了可再建度组/>,/> ,可再建度认定用最高量/>是:/>,/>与/>分别为可再建度组内各个可再建度数据的算术均数和方差,经由以上方程推导取得要判定的能源数据的可再建度Wf;
所述步骤2-1-4具体包括:如果要判定的能源数据的区别度高过区别度认定用最高量,且要判定的能源数据的可再建度高过可再建度认定用最高量,就让要判定的能源数据的区别度与要判定的能源数据的可再建度相乘,相乘后取得的量就当做要判定的能源数据的质量数,如果要判定的能源数据的质量数高过一设定量,就认定要判定的能源数据是高质量能源数据;如果未满足要判定的能源数据的区别度高过区别度认定用最高量且要判定的能源数据的可再建度高过可再建度认定用最高量、或者要判定的能源数据的质量数高过一设定量,就认定要判定的能源数据非高质量能源数据;
所述步骤2-1-3中推导所述要判定的能源数据的可再建度后,还包含以下步骤:
步骤2-1-3-2:依据事先设定的校验方程一、事先设定的校验方程二与所述判定用能源数据组,认定区别度用最高量和可再建度用最高量;
步骤2-1-3-3:如果所述要判定的能源数据的区别度高过所述区别度用最高量,且所述要判定的能源数据的可再建度高过所述可再建度用最高量,就执行步骤2-1-4;
事先设定的校验方程一就是区别度认定用最高量方程:,事先设定的校验方程二就是可再建度认定用最高量方程:/>。
2.根据权利要求1所述的面向客户侧能源互联的数据增值服务方法,其特征在于,在所述步骤2-1-4后,还包含:
步骤2-1-5:如果所述要判定的能源数据是高质量能源数据,就把所述要判定的能源数据添进目的能源数据组;
步骤2-1-6:在所述目的能源数据组的样本个数高过事先设定的界定量二时,把所述目的能源数据组替换掉所述判定用能源数据组;
步骤2-1-7:执行所述步骤2-1-2,直到所述存放的能源数据组内未带有是高质量能源数据的要判定的能源数据,取得高质量能源数据组。
3.根据权利要求2所述的面向客户侧能源互联的数据增值服务方法,其特征在于,在所述步骤2-1-7后,还包含:
步骤2-1-8:收取并存放新的能源数据,依据所述高质量能源数据组、所述事先设定的SVM模型与所述事先设定的再建度判定方程,认定所述新能源数据是不是高质量能源数据。
4.根据权利要求3所述的面向客户侧能源互联的数据增值服务方法,其特征在于,所述数据处理中心执行对存放的能源数据的处理方法,包括:
对高质量能源数据组中的能源数据执行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311300202.3A CN117033705B (zh) | 2023-10-10 | 2023-10-10 | 面向客户侧能源互联的数据增值服务方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311300202.3A CN117033705B (zh) | 2023-10-10 | 2023-10-10 | 面向客户侧能源互联的数据增值服务方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117033705A CN117033705A (zh) | 2023-11-10 |
CN117033705B true CN117033705B (zh) | 2024-01-19 |
Family
ID=88602754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311300202.3A Active CN117033705B (zh) | 2023-10-10 | 2023-10-10 | 面向客户侧能源互联的数据增值服务方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117033705B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103983845A (zh) * | 2014-05-06 | 2014-08-13 | 浙江大学 | 分布式电源接入用户双向计量与监测***及方法 |
US9311386B1 (en) * | 2013-04-03 | 2016-04-12 | Narus, Inc. | Categorizing network resources and extracting user interests from network activity |
CN110658725A (zh) * | 2019-08-19 | 2020-01-07 | 周口师范学院 | 一种基于人工智能的能源监管和预测***及其方法 |
JP2021149506A (ja) * | 2020-03-19 | 2021-09-27 | 株式会社エヌ・ティ・ティ・データ | 情報処理装置、情報処理方法およびプログラム |
CN114499895A (zh) * | 2022-04-06 | 2022-05-13 | 国网浙江省电力有限公司电力科学研究院 | 一种融合可信计算与区块链的数据可信处理方法及*** |
CN116796271A (zh) * | 2023-06-19 | 2023-09-22 | 天津三源电力信息技术股份有限公司 | 一种居民用能异常识别方法 |
-
2023
- 2023-10-10 CN CN202311300202.3A patent/CN117033705B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9311386B1 (en) * | 2013-04-03 | 2016-04-12 | Narus, Inc. | Categorizing network resources and extracting user interests from network activity |
CN103983845A (zh) * | 2014-05-06 | 2014-08-13 | 浙江大学 | 分布式电源接入用户双向计量与监测***及方法 |
CN110658725A (zh) * | 2019-08-19 | 2020-01-07 | 周口师范学院 | 一种基于人工智能的能源监管和预测***及其方法 |
JP2021149506A (ja) * | 2020-03-19 | 2021-09-27 | 株式会社エヌ・ティ・ティ・データ | 情報処理装置、情報処理方法およびプログラム |
CN114499895A (zh) * | 2022-04-06 | 2022-05-13 | 国网浙江省电力有限公司电力科学研究院 | 一种融合可信计算与区块链的数据可信处理方法及*** |
CN116796271A (zh) * | 2023-06-19 | 2023-09-22 | 天津三源电力信息技术股份有限公司 | 一种居民用能异常识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117033705A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110928654A (zh) | 一种边缘计算***中分布式的在线任务卸载调度方法 | |
WO2019184836A1 (zh) | 数据分析设备、多模型共决策***及方法 | |
US20210042578A1 (en) | Feature engineering orchestration method and apparatus | |
CN115294397A (zh) | 一种分类任务的后处理方法、装置、设备及存储介质 | |
CN115562940A (zh) | 负载能耗监控方法、装置、介质及电子设备 | |
CN117033705B (zh) | 面向客户侧能源互联的数据增值服务方法 | |
CN113660687B (zh) | 网络差小区处理方法、装置、设备及存储介质 | |
CN116680992B (zh) | 建立电芯容量预测模型的方法、装置、计算机设备及介质 | |
CN117610884A (zh) | 一种基于数据管理平台的电力调度***及方法 | |
CN116937645A (zh) | 充电站集群调控潜力评估方法、装置、设备及介质 | |
CN117539619A (zh) | 基于云边融合的算力调度方法、***、设备和存储介质 | |
CN112162859A (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
CN115563507A (zh) | 可再生能源发电场景的生成方法、装置及设备 | |
CN115292361A (zh) | 一种分布式能源异常数据的筛选方法及*** | |
CN114549392B (zh) | 太阳能电池片的色差检测方法、装置、设备和计算机介质 | |
CN115577797A (zh) | 一种基于本地噪声感知的联邦学习优化方法及*** | |
Hu et al. | Vehicular task scheduling strategy with resource matching computing in cloud‐edge collaboration | |
CN112835710B (zh) | 一种基于移动边缘计算的电力线路状态分析***及任务处理方法 | |
CN114492994A (zh) | 一种基于电力大数据的电力信息处理***、方法及装置 | |
CN117291845B (zh) | 一种点云地面滤波方法、***、电子设备及存储介质 | |
CN113825161A (zh) | 基于深度自编码神经网络的5g切片异常检测方法及装置 | |
CN116662415B (zh) | 基于数据挖掘的智能匹配方法及*** | |
CN117350549B (zh) | 计及出力相关性的配电网电压风险识别方法、装置及设备 | |
CN115225140B (zh) | 一种卫星寻呼方法、装置、电子设备及存储介质 | |
Du et al. | Coded Distributed Graph-Based Semi-Supervised Learning |
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 |