CN114741442A - 一种多维综合展示可视化数据展示平台 - Google Patents

Abstract

本发明公开了一种多维综合展示可视化数据展示平台，包括电力数据多维表达模块，电力数据多维表达模块用于提供若干种电力数据表达方法；电力数据多维表达优化模块，电力数据多维表达优化模块利用算法对电力数据表达方法进行优化；电力数据多维表达特征提取模块，电力数据多维表达特征提取模块用于提取优化后的电力数据的可视化特征；电力数据多维表达特征融合模块，电力数据多维表达特征融合模块用于融合可视化特征和传统特征。本发明实现了电力数据多维综合展示，从多维综合展示的结果可以看出高维数据可视化表示有助于电力工作者快速的理解数据的信息，捕捉到数据中隐藏的特征、类别、联系和趋势等，产生更高效的决策，并应用于实际生产生活中。

Description

一种多维综合展示可视化数据展示平台

技术领域

本发明涉及电力数据处理技术领域，尤其是一种多维综合展示可视化数据展示平台。

背景技术

数据是电力企业的战略资源，挖掘电力数据价值，发挥数据资产潜能能够高质量、高效率地为电力企业生产运营提供智能数据分析服务。但目前对电力大数据的可视化处理的维度相对单一，对多种数据源的融合度不高。因此，提供一种用于电力数据可视化的数据处理方法及装置，以实现多种电力数据源融合，提升对电力数据的利用率，进而满足电网规划、运维等业务域的数据分析应用需求显得尤为重要。

发明内容

本发明要解决的技术问题是提供一种多维综合展示可视化数据展示平台。

为解决上述技术问题，本发明所采取的技术发明如下。

一种多维综合展示可视化数据展示平台，包括电力数据多维表达模块，所述电力数据多维表达模块用于提供若干种电力数据表达方法；电力数据多维表达优化模块，所述电力数据多维表达优化模块利用算法对电力数据表达方法进行优化；电力数据多维表达特征提取模块，所述电力数据多维表达特征提取模块用于提取优化后的电力数据的可视化特征；电力数据多维表达特征融合模块，所述电力数据多维表达特征融合模块用于融合可视化特征和传统特征。

作为本发明的一种优选技术发明，所述电力数据表达方法包括二维向量展示、星型平面展示、星体坐标展示、雷达数据展示以及颜色数据展示。

作为本发明的一种优选技术发明，所述二维向量展示包括：一个数据包含N维属性值，在n个距离相等竖直的平行坐标轴上，画其属性点，则其平行坐标的绘制公式可以表示为：

可得：x_i+1＝m_ix_i+b_i i＝1,2,3,...,n-1

其中，m_i表示斜率m_i＝μ_i+1/μ_i，b_i表示x_i+1与竖直坐标轴的交点b_i＝a_i+1-m_ia_i，假设竖直的平行坐标轴的距离为1，即a_i＝1，i＝1,2,3,...,n，则平行坐标在二维空间中表示的坐标点为：

其中，对二维向量展示进行优化包括：选定高维数据集中的一个数据作为起始点P₁，此点的纵坐标值是数据值中的最小点，计算P₁与其他点相连后与横轴之间的夹角值，根据求得的倾角值进行排序，得到点序列P₁，P₂，P₃，...，P_n，将序列点按照顺序相继连接，形成一个多边形，P₁是凸壳边界的起始点，P_n设为该凸壳的顶点，删除不是凸壳顶点的数据点，输出高维数据集的凸壳点。

作为本发明的一种优选技术发明，所述星型平面展示包括：归一化后的[x*ij]平面散点图绘制公式为：

对星型平面展示进行优化包括：利用非线性多项式函数进行优化，其形式为：

f(x)＝x^a(a＞0)

对局部区域进行选取，散点图局部优化的函数表示公式为：

作为本发明的一种优选技术发明，所述星体坐标展示包括：将多元数据{x_ij}转化为角度{θ_ij}{0≤θ_ij≥π}，其变换公式为：

设数据集的权值向量为ω₁，ω₂，...，ω_n(ω_j≥0，j＝1,2，...，n)，每一个数据星座位置坐标为：

对星体坐标展示进行优化包括：利用公式：

cx_uv＝cosθ_uv+isinθ_uv

采用Fisher复线性判别的算法函数处理得到的矩阵CX_n×p，得到的矩阵的特征向量解即为要求的星座图的每个方向优化的权值向量ω，根据求取的优化权值系数按照传统的星座图方法绘制，得到公式：

作为本发明的一种优选技术发明，所述雷达数据展示包括：消除数据的量纲，对数据进行归一化，公式为：

其中：

绘制每一个属性在其对应角度上的数值轴，将x_ij(j＝1,2，...，n)分别画到N等分的轴上，将这N个点以折线连接起来，构成一个闭合的多边形，坐标公式为：

(a_ij＝x_ijcosθ_ij，b_ij＝x_ijsinθ_ij)

其中，

作为本发明的一种优选技术发明，所述颜色数据展示包括：消除数据量纲，利用可见光的波长公式，将数据映射到其相应的颜色响应值上；将三色响应值进行转换计算，利用公式计算每一个数据的RGB颜色空间数值，公式为：

其中比例因子用k表示,λ表示高维数据光谱波长,Δλ取固定值，若高维数据具有n个属性，则每个数据的1...n属性的变换公式为x_i(400)＝x_i1，...，x_i(700)＝x_in，求颜色空间中的色度与饱和度，在颜色空间中计算各颜色的颜色坐标为r＝R/(R+G+B),g＝G/(R+G+B),b＝B/(R+G+B)，r+g+b＝1，r代表色度，g代表饱和度，利用r,g表示该数据数据在颜色空间的坐标。

作为本发明的一种优选技术发明，电力数据多维表达特征提取模块对二维向量展示进行特征提取包括：对于n相邻幅值比r_ij表示数据中的第i列与第j列之间的幅值比，公式为：

其中，x_i表示数据集中的第i列数据的幅值，x_j表示数据集中的第j列数据的幅值，n＝丨i-j丨；

电力数据多维表达特征提取模块对星型平面展示和星体坐标展示进行特征提取包括：位置特征为：

作为本发明的一种优选技术发明，电力数据多维表达特征提取模块对雷达数据展示进行特征提取包括：消除原始数据数据集的量纲问题，对其进行归一化处理；对数据特征质量进行评价，生成特定的维度顺序；将处理过的数据可视化表示为雷达图；对雷达图中的任意相邻的两维变量依照几何关系计算其三角形重心，特征的公式为：

其中，abs_i表示雷达图中第i维属性和第i+1维属性形成的三角形的重心的幅值长度,angle_i表示雷达图中第i维属性和第i+1维属性形成的三角形的重心的角度方向，r_i表示经过数据处理的雷达图第i维属性的值，i_r+1表示经过数据处理的雷达图第i+1维属性的值，雷达图第i维属性与第i+1维属性形成的夹角用弧度ω_i＝2π/d来表示,若数据有d维，则这里的弧度表示将圆周分为等分的d份的角度值。

作为本发明的一种优选技术发明，电力数据多维表达特征提取模块对颜色数据展示进行特征提取包括：对于三刺激空间中坐标为X、Y、Z的颜色刺激向量Q，它与色度图交点的坐标(x，y，z)即三刺激值也被称为色度值，公式为：

采用上述技术发明所产生的有益效果在于：本发明实现了电力数据多维综合展示，从多维综合展示的结果可以看出高维数据可视化表示有助于电力工作者快速的理解数据的信息，捕捉到数据中隐藏的特征、类别、联系和趋势等，产生更高效的决策，并应用于实际生产生活中。

具体实施方式

以下实施例详细说明了本发明。本发明所使用的各种原料及各项设备均为常规市售产品，均能够通过市场购买直接获得。

在以下实施例的描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当。。。时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本申请说明书中描述的参考“一个实施例”或“一些实施例”意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

实施例1

本发明公开一种多维综合展示可视化数据展示平台，具体包括电力数据多维表达模块，电力数据多维表达模块用于提供若干种电力数据表达方法；电力数据多维表达优化模块，电力数据多维表达优化模块利用算法对电力数据表达方法进行优化；电力数据多维表达特征提取模块，电力数据多维表达特征提取模块用于提取优化后的电力数据的可视化特征；电力数据多维表达特征融合模块，电力数据多维表达特征融合模块用于融合可视化特征和传统特征。电力数据表达方法包括二维向量展示、星型平面展示、星体坐标展示、雷达数据展示以及颜色数据展示。

实施例2

所述二维向量展示包括：一个数据包含N维属性值，在n个距离相等竖直的平行坐标轴上，画其属性点，则其平行坐标的绘制公式可以表示为：

可得：x_i+1＝m_ix_i+b_i i＝1,2,3,...,n-1

其中，m_i表示斜率m_i＝μ_i+1/μ_i，b_i表示x_i+1与竖直坐标轴的交点b_i＝a_i+1-m_ia_i，假设竖直的平行坐标轴的距离为1，即a_i＝1，i＝1,2,3,...,n，则平行坐标在二维空间中表示的坐标点为：

其中，对二维向量展示进行优化包括：选定高维数据集中的一个数据作为起始点P₁，此点的纵坐标值是数据值中的最小点，计算P₁与其他点相连后与横轴之间的夹角值，根据求得的倾角值进行排序，得到点序列P₁，P₂，P₃，...，P_n，将序列点按照顺序相继连接，形成一个多边形，P₁是凸壳边界的起始点，P_n设为该凸壳的顶点，删除不是凸壳顶点的数据点，输出高维数据集的凸壳点。

所述星型平面展示包括：归一化后的[x*ij]平面散点图绘制公式为：

对星型平面展示进行优化包括：利用非线性多项式函数进行优化，其形式为：

f(x)＝x^a(a＞0)

对局部区域进行选取，散点图局部优化的函数表示公式为：

所述星体坐标展示包括：将多元数据{x_ij}转化为角度{θ_ij}{0≤θ_ij≥π}，其变换公式为：

设数据集的权值向量为ω₁，ω₂，...，ω_n(ω_j≥0，j＝1,2，...，n)，每一个数据星座位置坐标为：

对星体坐标展示进行优化包括：利用公式：

cx_uv＝cosθ_uv+isinθ_uv

采用Fisher复线性判别的算法函数处理得到的矩阵CX_n×p，得到的矩阵的特征向量解即为要求的星座图的每个方向优化的权值向量ω，根据求取的优化权值系数按照传统的星座图方法绘制，得到公式：

所述雷达数据展示包括：消除数据的量纲，对数据进行归一化，公式为：

其中：

绘制每一个属性在其对应角度上的数值轴，将x_ij(j＝1,2，...，n)分别画到N等分的轴上，将这N个点以折线连接起来，构成一个闭合的多边形，坐标公式为：

(a_ij＝x_ijcosθ_ij，b_ij＝x_ijsinθ_ij)

其中，

所述颜色数据展示包括：消除数据量纲，利用可见光的波长公式，将数据映射到其相应的颜色响应值上；将三色响应值进行转换计算，利用公式计算每一个数据的RGB颜色空间数值，公式为：

其中比例因子用k表示,λ表示高维数据光谱波长,Δλ取固定值，若高维数据具有n个属性，则每个数据的1...n属性的变换公式为x_i(400)＝x_i1，...，x_i(700)＝x_in，求颜色空间中的色度与饱和度，在颜色空间中计算各颜色的颜色坐标为r＝R/(R+G+B),g＝G/(R+G+B),b＝B/(R+G+B)，r+g+b＝1，r代表色度，g代表饱和度，利用r,g表示该数据数据在颜色空间的坐标。

电力数据多维表达特征提取模块对二维向量展示进行特征提取包括：对于n相邻幅值比r_ij表示数据中的第i列与第j列之间的幅值比，公式为：

其中，x_i表示数据集中的第i列数据的幅值，x_j表示数据集中的第j列数据的幅值，n＝丨i-j丨；

电力数据多维表达特征提取模块对星型平面展示和星体坐标展示进行特征提取包括：位置特征为：

电力数据多维表达特征提取模块对雷达数据展示进行特征提取包括：消除原始数据数据集的量纲问题，对其进行归一化处理；对数据特征质量进行评价，生成特定的维度顺序；将处理过的数据可视化表示为雷达图；对雷达图中的任意相邻的两维变量依照几何关系计算其三角形重心，特征的公式为：

其中，abs_i表示雷达图中第i维属性和第i+1维属性形成的三角形的重心的幅值长度,angle_i表示雷达图中第i维属性和第i+1维属性形成的三角形的重心的角度方向，r_i表示经过数据处理的雷达图第i维属性的值，i_r+1表示经过数据处理的雷达图第i+1维属性的值，雷达图第i维属性与第i+1维属性形成的夹角用弧度ω_i＝2π/d来表示,若数据有d维，则这里的弧度表示将圆周分为等分的d份的角度值。

电力数据多维表达特征提取模块对颜色数据展示进行特征提取包括：对于三刺激空间中坐标为X、Y、Z的颜色刺激向量Q，它与色度图交点的坐标(x，y，z)即三刺激值也被称为色度值，公式为：

实施例3

特征选取的目标是指从原始特征的D维空间中选择出一组维度为d(d<D)的最优特征。特征选择一般包含随机搜索策略，启发式搜索策略，全局最优搜索策略。由于在可视化模式识别中我们提取了数据集的幅值比特征，位置特征，面积特征，重心特征，形状特征和颜色特征。新的特征集相当于将原始的D维数据进行升维变换，得到一个维度为N的新的特征集，由于ND>>且不同特征在不同数据集下表现的识别效果好坏不一，所以我们要对可视化图的特征进行特征选择优化，找到一组最优的特征组合。从算法的角度来看，可视化图特征选择分为：filter算法以及全局优化算法。经过可视化特征的提取将经典的数据集特征与新提取的可视化特征合并，这将产生一个维数非常大的特征集，而实际的分类聚类过程并不需要这么多维的特征。数据特征维数过大将导致识别过程消耗大量的时间，且可能出现过饱和状态。

在各个实施例中，技术的硬件实现可以直接采用现有的智能设备，包括但不限于工控机、PC机、智能手机、手持单机、落地式单机。其输入设备优选采用屏幕键盘，其数据存储和计算模块采用现有的存储器、计算器、控制器，其内部通信模块采用现有的通信端口和协议，其远程通信采用现有的gprs网络、万维互联网。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的实施例中，应该理解到，所揭露的装置/现场稽查采集系统设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/现场稽查采集系统设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例发明的目的。

以上实施例仅用以说明本发明的技术发明，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术发明进行修改，或者对其中部分技术特征进行同替换；而这些修改或者替换，并不使相应技术发明的本质脱离本发明各实施例技术发明的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种多维综合展示可视化数据展示平台，其特征在于：包括电力数据多维表达模块，所述电力数据多维表达模块用于提供若干种电力数据表达方法；电力数据多维表达优化模块，所述电力数据多维表达优化模块利用算法对电力数据表达方法进行优化；电力数据多维表达特征提取模块，所述电力数据多维表达特征提取模块用于提取优化后的电力数据的可视化特征；电力数据多维表达特征融合模块，所述电力数据多维表达特征融合模块用于融合可视化特征和传统特征。

2.根据权利要求1所述的一种多维综合展示可视化数据展示平台，其特征在于：所述电力数据表达方法包括二维向量展示、星型平面展示、星体坐标展示、雷达数据展示以及颜色数据展示。

3.根据权利要求2所述的一种多维综合展示可视化数据展示平台，其特征在于：所述二维向量展示包括：一个数据包含N维属性值，在n个距离相等竖直的平行坐标轴上，画其属性点，则其平行坐标的绘制公式可以表示为：

可得：x_i+1＝m_ix_i+b_i i＝1,2,3,...,n-1

其中，m_i表示斜率m_i＝μ_i+1/μ_i，b_i表示x_i+1与竖直坐标轴的交点b_i＝a_i+1-m_ia_i，假设竖直的平行坐标轴的距离为1，即a_i＝1，i＝1,2,3,...,n，则平行坐标在二维空间中表示的坐标点为：

其中，对二维向量展示进行优化包括：选定高维数据集中的一个数据作为起始点P₁，此点的纵坐标值是数据值中的最小点，计算P₁与其他点相连后与横轴之间的夹角值，根据求得的倾角值进行排序，得到点序列P₁，P₂，P₃，...，P_n，将序列点按照顺序相继连接，形成一个多边形，P₁是凸壳边界的起始点，P_n设为该凸壳的顶点，删除不是凸壳顶点的数据点，输出高维数据集的凸壳点。

4.根据权利要求3所述的一种多维综合展示可视化数据展示平台，其特征在于：所述星型平面展示包括：归一化后的[x*ij]平面散点图绘制公式为：

对星型平面展示进行优化包括：利用非线性多项式函数进行优化，其形式为：

f(x)＝x^a(a＞0)

对局部区域进行选取，散点图局部优化的函数表示公式为：

5.根据权利要求4所述的一种多维综合展示可视化数据展示平台，其特征在于：所述星体坐标展示包括：将多元数据{x_ij}转化为角度{θ_ij}{0≤θ_ij≥π}，其变换公式为：

设数据集的权值向量为ω₁，ω₂，...，ω_n(ω_j≥0，j＝1,2，...，n)，每一个数据星座位置坐标为：

对星体坐标展示进行优化包括：利用公式：

cx_uv＝cosθ_uv+isinθ_uv

采用Fisher复线性判别的算法函数处理得到的矩阵CX_n×p，得到的矩阵的特征向量解即为要求的星座图的每个方向优化的权值向量ω，根据求取的优化权值系数按照传统的星座图方法绘制，得到公式：

6.根据权利要求5所述的一种多维综合展示可视化数据展示平台，其特征在于：所述雷达数据展示包括：消除数据的量纲，对数据进行归一化，公式为：

其中：

绘制每一个属性在其对应角度上的数值轴，将x_ij(j＝1,2，...，n)分别画到N等分的轴上，将这N个点以折线连接起来，构成一个闭合的多边形，坐标公式为：

(a_ij＝x_ijcosθ_ij，b_ij＝x_ijsinθ_ij)

其中，

7.根据权利要求6所述的一种多维综合展示可视化数据展示平台，其特征在于：所述颜色数据展示包括：消除数据量纲，利用可见光的波长公式，将数据映射到其相应的颜色响应值上；将三色响应值进行转换计算，利用公式计算每一个数据的RGB颜色空间数值，公式为：

其中比例因子用k表示,λ表示高维数据光谱波长,Δλ取固定值，若高维数据具有n个属性，则每个数据的1...n属性的变换公式为x_i(400)＝x_i1，...，x_i(700)＝x_in，求颜色空间中的色度与饱和度，在颜色空间中计算各颜色的颜色坐标为r＝R/(R+G+B),g＝G/(R+G+B),b＝B/(R+G+B)，r+g+b＝1，r代表色度，g代表饱和度，利用r,g表示该数据数据在颜色空间的坐标。

8.根据权利要求7所述的一种多维综合展示可视化数据展示平台，其特征在于：电力数据多维表达特征提取模块对二维向量展示进行特征提取包括：对于n相邻幅值比r_ij表示数据中的第i列与第j列之间的幅值比，公式为：

其中，x_i表示数据集中的第i列数据的幅值，x_j表示数据集中的第j列数据的幅值，n＝丨i-j丨；

电力数据多维表达特征提取模块对星型平面展示和星体坐标展示进行特征提取包括：位置特征为：

9.根据权利要求8所述的一种多维综合展示可视化数据展示平台，其特征在于：电力数据多维表达特征提取模块对雷达数据展示进行特征提取包括：消除原始数据数据集的量纲问题，对其进行归一化处理；对数据特征质量进行评价，生成特定的维度顺序；将处理过的数据可视化表示为雷达图；对雷达图中的任意相邻的两维变量依照几何关系计算其三角形重心，特征的公式为：

其中，abs_i表示雷达图中第i维属性和第i+1维属性形成的三角形的重心的幅值长度,angle_i表示雷达图中第i维属性和第i+1维属性形成的三角形的重心的角度方向，r_i表示经过数据处理的雷达图第i维属性的值，i_r+1表示经过数据处理的雷达图第i+1维属性的值，雷达图第i维属性与第i+1维属性形成的夹角用弧度ω_i＝2π/d来表示,若数据有d维，则这里的弧度表示将圆周分为等分的d份的角度值。

10.根据权利要求8所述的一种多维综合展示可视化数据展示平台，其特征在于：电力数据多维表达特征提取模块对颜色数据展示进行特征提取包括：对于三刺激空间中坐标为X、Y、Z的颜色刺激向量Q，它与色度图交点的坐标(x，y，z)即三刺激值也被称为色度值，公式为：