基于时间序列的电网多业务域信息化项目群预测方法及装置与流程

专利2025-12-29  7


本发明涉及电网多业务域信息化项目群预测方法的,具体涉及一种基于时间序列的电网多业务域信息化项目群预测方法及装置。


背景技术:

1、电网多业务域信息化项目群是指为了提升电网运营效率、增强电网智能化水平,而在多个业务领域内实施的信息化项目集合。这些项目通常涵盖了电网的发电、输电、变电、配电、用电等各个环节,旨在通过信息化手段实现电网的智能化、数字化和自动化。

2、在电力行业数字化转型和新型电力系统建设迭代发展的背景下,电力系统的建设以及稳定运行是国家经济发展、社会秩序稳定、国民生活质量等方面不可或缺的支持和保障。现阶段,电力系统正处在数字化转型的关键节点,其数字化建设需求形成规模庞大的项目群,在项目管理上日渐智能化,为了满足用户日益提高的管理需求,电力系统建设前期立项、工期预测、项目过程管控过程中以节约人力、物力、财力资源等为目标,逐步建设现代化的人工智能管理系统。通过电力信息化项目建设状态全面盘查,对现阶段电力信息化项目群状态监控情况进行全面的分析,找出最优的电网多业务域信息化项目群管理方式。但是,信息化项目存在需求业务域不同、源数据独立、系统开发工具多样化,增加了电网信息化项目群的管理的难度,传统的项目管理模式已经无法适应数字化转型背景下的项目群管理。


技术实现思路

1、基于此,有必要提供一种基于时间序列的电网多业务域信息化项目群预测方法及装置。

2、本发明解决上述技术问题的技术方案如下:一种基于时间序列的电网多业务域信息化项目群预测方法,包括:

3、采集电力信息化项目群的过程资料中的目标数据,并对采集到的目标数据进行整合,得到信息数据;

4、对所述信息数据采取预处理措施,得到处理数据;

5、对所述处理数据进行特征提取,得到特征数据;

6、将所述特征数据输入预测模型中进行项目整体状态的预测,得到预测信息,并对所述预测信息进行合理性分析,得到预测结果。

7、在一个实施例中,所述对所述信息数据采取预处理措施,得到处理数据的步骤中,所述预处理措施包括去重、去噪、过滤以及数据补全。

8、在一个实施例中,所述数据补全的方式为除唯一属性、均值插补和同类均值插补中的任一种。

9、在一个实施例中,所述对所述处理数据进行特征提取,得到特征数据的步骤中,采用分布式计算,将所述处理数据分解成许多小的部分,分配给多台设备同步进行特征提取。

10、在一个实施例中,所述特征提取的方式包括:数据标准化和正则化处理。

11、在一个实施例中,所述对所述处理数据进行特征提取,得到特征数据的步骤之后,还包括:对所述特征数据采用数据图表的方式进行展示,并根据图形进行分析数据的大概走势,得到初步预测。

12、在一个实施例中,所述预测模型为lstm(long short-term memory,长短期记忆网络)模型或prophet(先知)模型。

13、一种基于时间序列的电网多业务域信息化项目群预测装置,包括:

14、采集模块,用于采集电力信息化项目群的过程资料中的目标数据,并对采集到的目标数据进行整合,得到信息数据;

15、预处理模块,用于对所述信息数据采取预处理措施,得到处理数据;

16、特征提取模块,用于对所述处理数据进行特征提取,得到特征数据;

17、结果预测模块,用于将所述特征数据输入预测模型中进行项目整体状态的预测,得到预测信息,并对所述预测信息进行合理性分析,得到预测结果。

18、一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:

19、采集电力信息化项目群的过程资料中的目标数据,并对采集到的目标数据进行整合,得到信息数据;

20、对所述信息数据采取预处理措施,得到处理数据;

21、对所述处理数据进行特征提取,得到特征数据;

22、将所述特征数据输入预测模型中进行项目整体状态的预测,得到预测信息,并对所述预测信息进行合理性分析,得到预测结果。

23、一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:

24、采集电力信息化项目群的过程资料中的目标数据,并对采集到的目标数据进行整合,得到信息数据;

25、对所述信息数据采取预处理措施,得到处理数据;

26、对所述处理数据进行特征提取,得到特征数据;

27、将所述特征数据输入预测模型中进行项目整体状态的预测,得到预测信息,并对所述预测信息进行合理性分析,得到预测结果。

28、本发明的有益效果是:本发明提供的一种基于时间序列的电网多业务域信息化项目群预测方法,该方法在数据采集分析方面,通过大数据技术和低代码架构的组合,搭建信息化项目建设过程中的数据底座,该数据底座用于数据采集、存储、分析和预测等,提高了数据的利用率和实用性。在数据处理运用方面:对数据采取去除唯一属性、均值插补、同类均值插补等方式进行预处理,然后对处理后的数据进行数据标准化、正则化处理,并提取出数据特征。然后将提取出的特征数据运用预测模型在项目整体状态下进行预测,并进行合理性分析。本方法相较于传统的项目管理模式能从成本、投入、经营管理、收益周期等多个角度形成进度监控策略,提高经营管理效率。



技术特征:

1.一种基于时间序列的电网多业务域信息化项目群预测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述对所述信息数据采取预处理措施,得到处理数据的步骤中,

3.根据权利要求2所述的方法,其特征在于,所述数据补全的方式为除唯一属性、均值插补和同类均值插补中的任一种。

4.根据权利要求1所述的方法,其特征在于,所述对所述处理数据进行特征提取,得到特征数据的步骤中,

5.根据权利要求1所述的方法,其特征在于,所述特征提取的方式包括:数据标准化和正则化处理。

6.根据权利要求1所述的方法,其特征在于,所述对所述处理数据进行特征提取,得到特征数据的步骤之后,还包括:

7.根据权利要求1所述的方法,其特征在于,所述预测模型为lstm模型或prophet模型。

8.一种基于时间序列的电网多业务域信息化项目群预测装置,其特征在于,包括:

9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。


技术总结
本发明涉及一种于时间序列的电网多业务域信息化项目群预测方法及装置,该方法包括在电力项目的建设过程中对各种数据进行数据采集、数据预处理、数据特征提取、权重计算和预测结果,电力信息化项目数据特征包括时间序列子集,电力信息化项目数据特征与时间序列子集对应设置有训练模型分类建模,通过将数据的一段时间分成同样多个长度的时间段,最后,把这同样多个长度的时间段结合起来,并归总在一起,这样的目的是为了增加用户行为数据的正样本数量,提高正样本占比,降低了一定的倾斜性,并且通过几种训练模型进行泛化训练,从而提高训练模型的准确率。

技术研发人员:赵辉,高宇翔,訾永辉,杨旭,刘斯婷,乔璐,杨杰瀚
受保护的技术使用者:公诚管理咨询有限公司
技术研发日:
技术公布日:2024/11/11
转载请注明原文地址: https://tieba.8miu.com/read-18852.html

最新回复(0)