[发明专利]基于AI技术的营配调数据分析方法、系统及电子设备

权利要求书

1.一种基于AI技术的营配调数据分析方法，其特征在于，包括:

获取营配调数据平台输出的原始数据集，将原始数据集采用信息熵算法进行数据预处理，得到异常数据和正常数据；将异常数据输入至预置的关键变量提取模型中，生成多个关键变量；将多个关键变量输入至预置的缺失点预测模型中，生成缺失点补充数据；根据缺失点补充数据对异常数据进行修正，得到修正后的数据；将修正后的数据与正常数据进行组合，得到修正后的营配调数据；

对所述营配调数据进行预处理，生成标准化数据，将预处理后的所有标准化数据收集至有效数据集；

构建分析与监控模型，基于营配调数据平台的业务内容、业务规则和数据需求，构建若干个指标分析模型，所述指标分析模型通过有效数据集计算电力业务数据，对电力业务需求进行抽象化表达；基于指标分析模型构建若干个监控模型，所述监控模型提取至少一个指标分析模型进行监控，设定监控阈值对所述指标分析模型得出的电力业务数据进行监控；

通过图像处理技术，对所述指标分析模型和监控模型进行可视化展示。

2.根据权利要求1所述的营配调数据分析方法，其特征在于，所述将原始数据集采用信息熵算法进行数据预处理，得到异常数据和正常数据，具体步骤包括：

计算原始数据集中各个数据列与参考数据列之间的范围熵；

判断范围熵是否大于预置的阈值，若是，则将该范围熵对应的数据列作为异常数据；若否，则将该范围熵对应的数据列作为正常数据。

3.根据权利要求1所述的营配调数据分析方法，其特征在于，所述将异常数据输入至预置的关键变量提取模型中，生成多个关键变量，具体步骤包括：

将异常数据采用预置的关键变量提取模型中的PCA算法进行降维处理，得到降维的异常数据；

根据降维的异常数据中的各个变量的特征值计算各个变量的累计贡献率；

根据各个变量的累计贡献率对多个变量进行筛选，得到多个关键变量。

4.根据权利要求1所述的营配调数据分析方法，其特征在于，对所述营配调数据进行预处理，生成标准化数据，具体步骤包括：

数据融合，遍历所有营配调数据，融合表达不一致但实质相同的数据；

数据清洗，对进行数据融合后的营配调数据进行数据清洗，清洗无效数据；

脱敏处理，制定数据安全规则，根据该数据安全规则对进行数据清洗后的营配调数据进行数据脱敏；

数据加密，对进行脱敏处理后的营配调数据进行数据加密处理，形成所述标准化数据。

5.根据权利要求1所述的营配调数据分析方法，其特征在于，所述指标分析模型通过神经网络模型搭建，具体步骤包括：

搭建神经网络模型，建立电力业务数据的抽象化表达模型；

以有效数据集作为训练集输入至所述电力业务数据的抽象化表达模型进行计算，获取计算结果；

对所述计算结果添加评价标签，以输入的有效数据和输出的评价标签作为一组数据对所述抽象化表达模型进行迭代训练；

调整神经网络模型的参数，当抽象化表达模型输出的计算结果的精度达到阈值时，结束训练，得到对应的指标分析模型。