[發(fā)明專利]一種基于Hadoop的輸電網(wǎng)絡(luò)節(jié)點數(shù)據(jù)分析系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 202011537577.8
• 申請日: 2020-12-23
• 公開（公告）號: CN112395335A
• 公開（公告）日: 2021-02-23
• 發(fā)明（設(shè)計）人: 吳華芹;謝妞妞;柳靜;呂潁潁;周少珂;郅忠強;張瑛;崔琳;張丹丹
• 申請（專利權(quán)）人: 河南應(yīng)用技術(shù)職業(yè)學(xué)院
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/28;G06Q50/06;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安合創(chuàng)非凡知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61248
• 代理人: 楊蕾

1.一種基于Hadoop的輸電網(wǎng)絡(luò)節(jié)點數(shù)據(jù)分析系統(tǒng)，其特征在于，包括：

節(jié)點數(shù)據(jù)采集模塊，用于實現(xiàn)輸電網(wǎng)絡(luò)節(jié)點數(shù)據(jù)的采集，并利用信源編碼為每一個輸電網(wǎng)節(jié)點數(shù)據(jù)配置獨立的數(shù)據(jù)標(biāo)識；

數(shù)據(jù)預(yù)處理模塊，用于基于Hadoop運行預(yù)設(shè)的異常數(shù)據(jù)濾除模型實現(xiàn)節(jié)點數(shù)據(jù)的預(yù)處理；

數(shù)據(jù)集生成模塊，用于基于Hadoop運行預(yù)設(shè)的節(jié)點數(shù)據(jù)分類模型實現(xiàn)節(jié)點數(shù)據(jù)的分類，獲取節(jié)點數(shù)據(jù)集；

數(shù)據(jù)分析模塊，用于基于Hadoop運行預(yù)設(shè)的節(jié)點數(shù)據(jù)分析模型實現(xiàn)節(jié)點數(shù)據(jù)集的分析，并輸出對應(yīng)的分析結(jié)果。

2.如權(quán)利要求1所述的一種基于Hadoop的輸電網(wǎng)絡(luò)節(jié)點數(shù)據(jù)分析系統(tǒng)，其特征在于，所述異常數(shù)據(jù)濾除模型采用無限深度神經(jīng)網(wǎng)絡(luò)模型，所述異常數(shù)據(jù)為亢余數(shù)據(jù)、沖突數(shù)據(jù)；節(jié)點數(shù)據(jù)分類模型采用Bi-LSTM+Attention模型。

3.如權(quán)利要求1所述的一種基于Hadoop的輸電網(wǎng)絡(luò)節(jié)點數(shù)據(jù)分析系統(tǒng)，其特征在于，還包括：

分析報告生成模塊，用于基于Hadoop運行預(yù)設(shè)的分析報告編制算法生成對應(yīng)的分析報告。

4.如權(quán)利要求1所述的一種基于Hadoop的輸電網(wǎng)絡(luò)節(jié)點數(shù)據(jù)分析系統(tǒng)，其特征在于，還包括：

異常工況識別模塊，用于基于Hadoop運行預(yù)設(shè)的異常工況識別模型實現(xiàn)節(jié)點數(shù)據(jù)的處理，從而識別處于異常工況的節(jié)點數(shù)據(jù)采集模塊。

5.一種基于Hadoop的輸電網(wǎng)絡(luò)節(jié)點數(shù)據(jù)分析方法，其特征在于，包括如下步驟：

S1、實現(xiàn)輸電網(wǎng)絡(luò)節(jié)點數(shù)據(jù)的采集，并利用信源編碼為每一個輸電網(wǎng)節(jié)點數(shù)據(jù)配置獨立的數(shù)據(jù)標(biāo)識；

S2、基于Hadoop運行預(yù)設(shè)的異常數(shù)據(jù)濾除模型實現(xiàn)節(jié)點數(shù)據(jù)的預(yù)處理；

S3、基于Hadoop運行預(yù)設(shè)的節(jié)點數(shù)據(jù)分類模型實現(xiàn)節(jié)點數(shù)據(jù)的分類，獲取節(jié)點數(shù)據(jù)集；

S4、基于Hadoop運行預(yù)設(shè)的節(jié)點數(shù)據(jù)分析模型實現(xiàn)節(jié)點數(shù)據(jù)集的分析，并輸出對應(yīng)的分析結(jié)果。

6.如權(quán)利要求5所述的一種基于Hadoop的輸電網(wǎng)絡(luò)節(jié)點數(shù)據(jù)分析方法，其特征在于，還包括：基于Hadoop運行預(yù)設(shè)的分析報告編制算法生成對應(yīng)的分析報告的步驟。

7.如權(quán)利要求5所述的一種基于Hadoop的輸電網(wǎng)絡(luò)節(jié)點數(shù)據(jù)分析方法，其特征在于，還包括：基于Hadoop運行預(yù)設(shè)的異常工況識別模型實現(xiàn)節(jié)點數(shù)據(jù)的處理，從而識別處于異常工況的節(jié)點數(shù)據(jù)采集模塊的步驟。

8.如權(quán)利要求5所述的一種基于Hadoop的輸電網(wǎng)絡(luò)節(jié)點數(shù)據(jù)分析方法，其特征在于，所述異常數(shù)據(jù)濾除模型采用無限深度神經(jīng)網(wǎng)絡(luò)模型，所述異常數(shù)據(jù)為亢余數(shù)據(jù)、沖突數(shù)據(jù)；節(jié)點數(shù)據(jù)分類模型采用Bi-LSTM+Attention模型。