面向用户画像的轻量化数据中台研究

以数据中台作为建设中小企业信息基础设施的新模式，并针对性构建轻量化中台，有益于统一管理数据资产，改善数据孤岛问题，提高企业部署大数据应用的能力；以用户画像这一典型大数据应用为切入点，归纳画像构建流程并与数据中台体系整合；以整合后的中台体系为基础，提炼必要的功能模块并从结构、技术栈、部署三个角度进行轻量化设计，从而提出面向用户画像且易于搭建和部署的轻量化数据中台方案；基于Hadoop生态组件搭建轻量化用户数据中台，并使用淘宝用户消费数据构建RFM模型下的用户价值标签，验证轻量化数据中台的可行性。     

基于全局日志投递的数字电网全链路监控及中台服务优化

随着电力网络的高速发展,电力数据的规模与维数急速增长。为了合理地对电网系统进行管理,需要对数据进行全链路监控。首先介绍了国内外在电网全链路监控的现状,阐述了在新形态下基于全局日志投递的电网数据的概念,中台服务全链路监控正是基于全局日志投递展开的。而其中,较为重要的是数据中台服务的功能。然后,基于全局日志投递功能,合理地构建出中台服务的架构,并对中台服务的全链路进行监控和优化设计。针对中台服务的业务场景进行实现与验证,通过具体的触发指令进行监测,验证该中台服务全链路监控及优化的技术具备通信、数据采集与处理等服务功能,可以统筹用电数据管理和监控的功能,为数字电网新形态下的用户检测、能效管理提供有效的应用价值。     

基于自然语言处理技术的电力文本挖掘与分类

为深层挖掘电力数据文本蕴藏的信息,本文基于自然语言处理技术分析了电力文本挖掘与分类流程,通过分词技术分析文本内容,提取文本特征,并构建分类器模型以自动分类文本,最后以实例分析了电力文本挖掘与分类的实际效果.结果表明,中文电力数据文本挖掘准确度较高,适用范围广泛,方式方法灵活,可及时准确挖掘隐藏的关键信息,为分析客户用电诉求与投诉要求提供了完善的数据依据;以文本自动分类分析,构建的分类器模型查准率与准确率相对较高,且调优之后分类器模型可更加准确地识别出热点事件投诉工单.     

军工企业数据中台架构研究

军工企业及其科研院所现有的信息化系统存在数据孤立不能沟通共享的问题,为了提升企业信息化水平、挖掘数据价值,同时应对科研生产业务需求复杂多变从而造成信息化能力提升困难的现状,可通过数据中台的建设来沉淀数据复用能力,形成数据从汇聚、开发、管理到数据服务的中间层能力平台。该文介绍了数据中台建设路线及关键技术,实现了数据中台架构设计,总结了数据中台的应用实践。     

电价审计中用户用电行为特征的智能提取方法研究

传统用电行为特征提取方法难以挖掘连续的用户用电行为数据，导致特征提取精度较低且特征异常值较多。针对这个问题，文章研究电价审计中用户用电行为特征的智能提取方法。挖掘周期性电价审计过程中存在的隐藏数据，标定数据参数，归一化处理用户用电行为数据。采用线性差值填充算法处理周期范围内的电力数据，控制用户用电数据的连续性。特征化处理行为数据后，进行卡方检验并构建指标提取过程，最终完成智能提取方法的构建。在模拟用户用电行为数据采集环境后，对应不同的采集周期整理为用电数据集，准备2种传统提取方法与所设计的方法进行对照实验，实验结果表明，所设计的智能提取方法具有较高的特征提取精度，且产生的特征异常值最少。     

基于相似性搜索的异常用电行为识别方法

传统异常用电行为识别方法浪费大量人力与物力，且准确率较低、效果不佳，本文在大数据背景下，提出一种基于相似性搜索的商业园区异常用电行为自动识别方法。通过分析相似性搜索方法获得用户用电时间序列，采用趋势性指标、变化性指标、波动性指标以及其他指标分析商业园区异常用电行为，引用主分量分析与因子分析方法提取异常用电行为特征，凭借误差矩阵自动规整化数据，设定欧氏距离阈值实现商业园区异常用电行为自动识别。实验结果表明方法可降低计算难度，高效识别出异常用电数据，保证商业园区正常用电。     

智慧后勤平台建设研究

在对国内外企业后勤业务深入调研和分析的基础上,提出了基于智能化、智慧化、中台化为核心的智慧后勤平台建设方案,构建后勤业务新生态,实现后勤业务数据的纵向互通、横向互联、集成共享.智慧后勤采用三台架构设计,敏捷前台快速响应和统一调度后勤资源,满足用户多元需求;业务中台实现业务服务共享和新业务快速交付,数据中台实现数据优化治...     

基于大数据挖掘的电力客服中台数据智能整合方法

针对数据整合过程中屏蔽处理的异构数据较少，损耗较大的问题，提出基于大数据挖掘的电力客服中台数据智能整合方法。综合分析电力客服数据的时序性，引入大数据挖掘算法，挖掘电力中台数据，定义电力区域存在多个服务区域，聚合处理并生成电力客服逻辑区块，增加屏蔽异构数据，构建空间范围内的观测变量后，完成电力客服中台数据智能整合。搭建电力客服数据发送、接收结构，实验结果表明：所设计的数据整合方法实际产生损耗数值在20 kW左右，需要屏蔽处理的异构数据较多时，可以满足电力客服中台数据整合需求。     

数据中台架构设计与应用研究

随着企业数字化转型升级的不断深入,数据成为企业的一项重要资产,挖掘数据价值将成为企业的重要发展战略。数据中台能够整合企业内外部数据资源,沉淀企业数据资产,通过数据共享、应用等提升企业数据价值。介绍了数据中台的含义、架构和建设策略,以及数据中台在企业中的应用实践。     

一种基于序列模式挖掘的独居老人用电预警模型

随着人口老龄化的加深,独居老人数量快速增长,如何及时检测发现老人出现异常情况成为小区管理的迫切需求。另一方面,智能电表技术的发展让用电数据的采集更加精确和及时,使得实时检测老人用电数据异常成为可能,但如何对此海量用电数据进行分析成为了难点。为此,本文提出了一种基于序列模式挖掘的独居老人用电数据预警模型,从历史数据中挖掘了老人用电特征的共性和特性,同时综合考虑了时间、天气数据等外部因素,通过深度学习进行异常检测。相比传统的检测方法,本文提出的模型能更加快速准确地检测异常,为独居老人的生活提供了安全保障,显著降低了社区管理人员的压力。在真实数据集上的实验结果验证了该模型的有效性。     

基于智能电表海量数据的台区运行态势分析与应用

随着智能电网的快速推进,配网智能化水平越来越高。用户智能电表的覆盖率逐年提升,利用用户智能电表每十五分钟一次采集形成的海量数据,辅以公变终端运行数据,从低压台区线损、故障、网架分析三个视角入手开展台区运行态势分析和应用。通过精益化线损分析,研判线损异常的原因,对配网变户一致性进行研判,对智能装置数据准确性进行评价;通过低压台区回路阻抗模型计算,利用阻抗值实现了配网异常情况的预判和网架阻抗评估;通过配网故障研究分析,及时实现不同类型故障的准确主动研判,进一步提升供电服务“最后一公里”服务效率。本文通过深入挖掘智能电网领域大数据价值,促进业务创新、绩效提升,细化客户分类,满足智能化、多样化用电需要,提升配电网感知度。     

基于大数据算法的电话号码与客户编号对应关系的识别研究与实现

基于95598业务,利用大数据分析挖掘方法,构建统一身份识别模型,有效识别客户来电号码与户号的对应关系。采用大数据文本挖掘技术,有效解析用电地址信息、客户姓名等内容,并计算地址相似度得分、姓名相似度得分,作为对应关系校验以及识别疑似户号的关键因子指标。针对能获取到的对应关系,构建权重划分模型,计算对应关系匹配度得分,根据分值大小,校验对应关系的可靠性。针对找不到户号对应关系的来电号码,基于文本相似度得分构建KNN模型,计算对应关系匹配度得分,依据分值大小,识别疑似户号。     

基于L0稀疏超图半监督学习的异常用电行为识别

对异常用电行为进行自动分析是电力部门十分关心的问题,故提出一种基于L0稀疏超图半监督学习的用户窃电行为识别算法。与经典图模型中两个顶点的边连接方式不同,超图模型将具有相似特征的多个样本组建为超边,有利于表示用户用电数据间的复杂关联关系。然而常用的K近邻构建超边方法存在超边大小固定,无法有效匹配用户用电数据非均匀分布的缺点。为解决该问题,建立基于L0稀疏重构的超图模型,模型针对每一用户数据建立一个超边,通过L0范数约束的稀疏分解自适应选择与当前用户紧密关联的多个样本,更有利于匹配用户数据的分布结构。继而构建超图拉普拉斯正则约束的半监督分类模型,利用少量的标定样本数据,判别用户用电行为是否存在异常。选取某城市8 900余居民300余天的实际用电数据作为测试样本集,实验结果验证了方法的有效性。     

智能矿山综合管控平台建设构思

为有效解决煤炭行业现有单系统单业务应用模式下信息孤岛严重、业务互联互通不足、数据价值挖掘利用差,现有物联网、云计算、大数据、人工智能、智能控制等新一代信息技术应用点单一、智能化赋能不足等问题,将新一代信息技术与煤矿安全、生产、运营管控业务进行深度融合,提出了智能矿山综合管控平台建设构思。该平台基于智能矿山基础信息平台,通过煤炭工业大数据中心对海量异构数据进行汇聚、治理、存储与分析,应用数据中台、技术中台及应用中台实现在同一平台的数据融合、协同控制、业务联动与决策分析;采用统一门户、统一数据及统一风格,搭建集中统一的生产调度协同管控、风险综合防控管理、决策分析综合管控、精准运维检测等智能化管控业务应用中心:生产调度协同管控应用中心应用煤矿安全生产协同技术实现矿领导、调度指挥中心、科室、区队及班组之间业务互联与分级调度,固定场所下的融合调度与协同控制;风险综合防控管理应用中心以煤矿安全风险防控为核心,实现全矿风险危害要素的全方位感知、实时监视、动态评估、异常联动处置,保障煤矿安全生产高效有序运行;决策分析综合管控应用中心应用时序数据挖掘分析技术实现安全、生产、运营等指标态势分析及预测,通过安全生产大数据看板及个人工作台进行安全、生产、运营状况的综合展示;精准运维检测应用中心以运行探针方式,实现平台运行过程的故障监测及异常跟踪处理。     

基于神经网络的工厂用电状态识别方法

智能电表的迅速普及与应用引起电力消耗数据(即智能电网数据)的激增,这不仅给数据的存 储与通信带来了挑战,同时也增加了对数据进行分析的难度。另外,由于生产性质和经营方式的不同,工厂的用电状态往往比较复杂。基于传统经验的人工识别不能满足实际应用的需求,该文研究了一种基于神经网络的工厂用电状态自动识别方法。首先,对采集于真实应用场景的电网大数据进行必要的预处理,包括数据的合并、清洗、标准化、打标和抽样;然后,基于预处理的电网数据构建神经网络模型用于对工厂用电状态的自动识别;最后,对提出的基于神经网络的工厂用电状态识别方法进行实验验证,证实了该方法的合理性和有效性。通过对工厂用电状态的准确识别,能够帮助供电公司指导企业进行错峰用电,进而有效缓解电力供给不平衡的问题,以达到对电能合理开发和利用的目的。     

智能煤矿数据中台架构及关键技术研究

数据中台是智能煤矿建设的数据底座,是煤矿大数据应用的基础。提出了包含数据汇聚、数据开发、数据存储、数据资产管理、数据服务等的智能煤矿数据中台建设思路;设计了智能煤矿数据中台架构,分析了数据中台的数据标准规范、大数据基础支撑、数据汇聚、数据开发、数据资源池、数据资产管理、数据服务、运维保障等功能模块;探讨了建设智能煤矿数据中台过程中高并发低时延数据处理、数据分级分类存储、数据治理、基于大数据的煤矿灾害风险模型构建等关键技术的解决方案。应用表明,智能煤矿数据中台实现了数据汇聚、数据开发,以及各类感知数据、基础数据、管理数据的分级分类存储、数据资产管理、数据建模、模型训练、数据服务等,使得煤矿多源异构数据从数据资源变为数据资产,可提供基于大数据的调度决策、灾害风险分析、设备健康诊断、预防性维护等应用,解决了煤矿信息孤岛严重、数据难集成、智能化分析水平低等问题。     

基于采样技术和LightGBM的用户用电异常检测模型

在大数据的时代背景下,我国电力事业信息化的发展日趋重要,尤其是需要使用计算机技术对用电数据进行分析.对于用户用电异常的分析问题,传统方法既耗时又耗力,这就需要引入机器学习的相关方法自动的识别异常信息.现阶段,用电异常分析主要基于传统的异常检测算法或深度神经网络,传统异常检测算法运行精度不足而深度神经网络计算速度又过慢.针对目前存在的不足,本分采用了基于采样技术和LightGBM的用户用电异常检测模型,把用电异常检测问题看作分类问题,并使用当前流行的分类模型LightGBM进行训练,在保证速度快的前提下提高了检测的准确率.     

基于PCA孤立森林的用电异常识别研究

用电异常是供电管理工作中一大痛点,传统的工作管理模式,对于用电异常的发现存在偶然性,无法保证工作效率.本文响应智能电网建设的号召,充分利用数据挖掘手段进行用电异常智能识别研究.在真实数据的支撑下,经反复尝试、推演,得出所提出的基于PCA的孤立森林用电异常识别方法.并且,在孤立森林、PCA-逻辑回归、PCA-神经网络的对比实验验证下,所述方法依然具备优越性和进步性.     

基于数据中台的智能标签关键技术研究与应用

随着数字化转型浪潮的来临,标签在企业生产中的作用越发重要,但在日益增长的业务需求中,传统标签构建方法暴露出了诸多问题.介绍了基于数据中台建设智能标签的研究和设计方法,包括对现存问题的描述、智能标签的设计及智能标签的展望.基于数据中台所带来的优势,设计构建智能标签的建设方案,能为企业建设智能标签及数字化转型提供相应思路.     

视觉识别手势指令实现无人机飞行控制

视觉识别手势指令控制无人机具有重要的实际意义。本文提出一种基于YOLOv5的手势指令识别方法。该方法首先制作手势指令数据集,然后利用数据集对模型进行训练,最后通过评价指标对模型的性能进行评估。测试集对模型验证结果显示所构建的模型具有较好的性能。在无人机飞行控制上也取得良好的效果,对手势识别指令识别准确率达到90%以上。