本發(fā)明屬于電力大數(shù)據(jù)分析領域，具體涉及一種基于大數(shù)據(jù)分析的電力新基建評估方法及系統(tǒng)。

背景技術：

1、隨著全球能源結(jié)構(gòu)的轉(zhuǎn)型與智能電網(wǎng)的快速發(fā)展，電力新基建項目作為支撐未來電力系統(tǒng)安全、高效、綠色運行的重要基石，其建設規(guī)模與復雜度日益增加。這些項目涵蓋了從智能電網(wǎng)、特高壓輸電、清潔能源接入到儲能設施等多個領域，對于促進能源結(jié)構(gòu)優(yōu)化、提升電網(wǎng)智能化水平具有重要意義。

2、在現(xiàn)有技術中，對電力新基建項目的評估主要依賴于傳統(tǒng)的定性分析方法和少量的定量指標評價，這些方法往往對項目評估不夠全面和準確。

技術實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于大數(shù)據(jù)分析的電力新基建評估方法及系統(tǒng)，以解決現(xiàn)有技術中對電力新基建項目的評估不夠全面和準確的問題。

2、為了實現(xiàn)上述目的，本發(fā)明采用如下技術方案：

3、本發(fā)明第一方面，提供了一種基于大數(shù)據(jù)分析的電力新基建評估方法，包括如下步驟：

4、基于電力大數(shù)據(jù)平臺，獲取各電力新基建項目的地理信息數(shù)據(jù)和項目指標數(shù)據(jù)，以及各電力新基建項目的項目指標所對應的時間序列數(shù)據(jù)；其中，項目指標包括建設成本、用電量、環(huán)保數(shù)據(jù)；

5、基于項目指標數(shù)據(jù)和地理信息數(shù)據(jù)，確定電力新基建項目的空間分布特征；

6、基于時間序列數(shù)據(jù)確定各項目指標的預測變化趨勢；

7、對各項目指標數(shù)據(jù)進行挖掘，得到各項目指標數(shù)據(jù)之間的顯著關聯(lián)規(guī)則；

8、將所述空間分布特征、所述預測變化趨勢和所述顯著關聯(lián)規(guī)則輸入預先訓練好的電力新基建綜合評估模型中，所述電力新基建綜合評估模型輸出電力新基建項目的評估結(jié)果。

9、進一步的，基于項目指標數(shù)據(jù)和地理信息數(shù)據(jù)，確定電力新基建項目的空間分布特征，包括：

10、將項目指標數(shù)據(jù)和地理信息數(shù)據(jù)進行整合，使每個電力新基建項目都有對應的地理位置；

11、基于各電力新基建項目的地理位置，確定各電力新基建項目之間的空間權重值；

12、根據(jù)空間權重值構(gòu)建得到空間權重矩陣；

13、根據(jù)空間權重矩陣計算各個電力新基建項目的moran's?i指數(shù)；

14、基于moran's?i指數(shù)，確定當前電力新基建項目各個項目指標之間的空間相關性；

15、依據(jù)空間相關性，確定空間聚集地區(qū)和空間分散地區(qū)，作為電力新基建項目的空間分布特征。

16、進一步的，基于時間序列數(shù)據(jù)確定各項目指標的預測變化趨勢，包括：

17、使用arima模型對所述時間序列數(shù)據(jù)進行分析，得到各項目指標隨時間變化的趨勢；

18、基于各項目指標隨時間變化的趨勢得到各項目指標的預測變化趨勢。

19、進一步的，對各項目指標數(shù)據(jù)進行挖掘，得到各項目指標數(shù)據(jù)之間的顯著關聯(lián)規(guī)則，包括：

20、采用apriori算法對電力新基建項目的各項目指標數(shù)據(jù)進行挖掘，得到各項目指標數(shù)據(jù)之間的關聯(lián)規(guī)則，并通過預設的閾值標準篩選出顯著關聯(lián)規(guī)則。

21、進一步的，將所述空間分布特征、所述預測變化趨勢和所述顯著關聯(lián)規(guī)則輸入預先訓練好的電力新基建綜合評估模型中，所述電力新基建綜合評估模型輸出電力新基建項目的評估結(jié)果，其中：

22、所述電力新基建綜合評估模型按照如下方式構(gòu)建并訓練得到：

23、獲取電力新基建項目對應的地理信息數(shù)據(jù)，以及電力新基建項目各項目指標的時間序列數(shù)據(jù)，以及各項目指標之間的關聯(lián)規(guī)則挖掘結(jié)果，并構(gòu)建電力新基建綜合評估模型的訓練數(shù)據(jù)集；

24、基于深度神經(jīng)網(wǎng)絡構(gòu)建電力新基建綜合評估模型的基礎模型；

25、采用訓練數(shù)據(jù)集對所述基礎模型進行訓練，得到訓練好的電力新基建綜合評估模型。

26、進一步的，所述基礎模型包括多模態(tài)輸入層、處理層、融合層、評估層和輸出層；

27、所述多模態(tài)輸入層包括多個輸入層，分別用于接收地理信息數(shù)據(jù)、時間序列數(shù)據(jù)和關聯(lián)規(guī)則挖掘結(jié)果；

28、所述處理層包括卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡和全連接層，其中，卷積神經(jīng)網(wǎng)絡用于處理地理信息數(shù)據(jù)，循環(huán)神經(jīng)網(wǎng)絡用于處理時間序列數(shù)據(jù)，全連接層用于處理關聯(lián)規(guī)則挖掘結(jié)果；

29、所述融合層用于將卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡和全連接層的輸出通過拼接的方式進行融合，得到融合特征；

30、所述評估層用于從所述融合特征中進行學習，得到評估結(jié)果。

31、進一步的，基于電力大數(shù)據(jù)平臺，獲取各電力新基建項目的地理信息數(shù)據(jù)和項目指標數(shù)據(jù)，以及各電力新基建項目的項目指標所對應的時間序列數(shù)據(jù)，包括：

32、接收數(shù)據(jù)請求并進行身份驗證；

33、身份驗證通過后，確定數(shù)據(jù)請求中的所需數(shù)據(jù)；依據(jù)所需數(shù)據(jù)在電力大數(shù)據(jù)平臺中定位數(shù)據(jù)源，并從所述數(shù)據(jù)源中提取所需數(shù)據(jù)；

34、將提取的所需數(shù)據(jù)加密后返回。

35、本發(fā)明第二方面，提供了一種基于大數(shù)據(jù)分析的電力新基建評估裝置，包括如下步驟：

36、數(shù)據(jù)獲取模塊，用于基于電力大數(shù)據(jù)平臺，獲取各電力新基建項目的地理信息數(shù)據(jù)和項目指標數(shù)據(jù)，以及各電力新基建項目的項目指標所對應的時間序列數(shù)據(jù)；其中，項目指標包括建設成本、用電量、環(huán)保數(shù)據(jù)；

37、第一確定模塊，用于基于項目指標數(shù)據(jù)和地理信息數(shù)據(jù)，確定電力新基建項目的空間分布特征；

38、第二確定模塊，用于基于時間序列數(shù)據(jù)確定各項目指標的預測變化趨勢；

39、數(shù)據(jù)挖掘模塊，用于對各項目指標數(shù)據(jù)進行挖掘，得到各項目指標數(shù)據(jù)之間的顯著關聯(lián)規(guī)則；

40、評估模塊，用于將所述空間分布特征、所述預測變化趨勢和所述顯著關聯(lián)規(guī)則輸入預先訓練好的電力新基建綜合評估模型中，所述電力新基建綜合評估模型輸出電力新基建項目的評估結(jié)果。

41、本發(fā)明第三方面，提供了一種電子設備，包括處理器和存儲器，所述處理器用于執(zhí)行存儲器中存儲的計算機程序以實現(xiàn)如上述的基于大數(shù)據(jù)分析的電力新基建評估方法。

42、本發(fā)明第四方面，提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有至少一個指令，所述至少一個指令被處理器執(zhí)行時實現(xiàn)如上述的基于大數(shù)據(jù)分析的電力新基建評估方法。

43、與現(xiàn)有技術相比較，本發(fā)明的有益效果如下：

44、本發(fā)明提供了一種基于大數(shù)據(jù)分析的電力新基建評估方法，通過電力大數(shù)據(jù)平臺獲取各電力新基建項目的地理信息數(shù)據(jù)和項目指標數(shù)據(jù)（包括建設成本、用電量、環(huán)保數(shù)據(jù)等），以及這些指標的時間序列數(shù)據(jù)，充分利用大數(shù)據(jù)的豐富性和實時性，為評估提供全面、多維度的數(shù)據(jù)支持。基于項目指標數(shù)據(jù)和地理信息數(shù)據(jù)，本方案能夠確定電力新基建項目的空間分布特征，有效評估項目布局的合理性、區(qū)域發(fā)展的匹配度以及資源利用的效率，為項目規(guī)劃和決策提供科學依據(jù)。通過對時間序列數(shù)據(jù)的分析，本方案能夠預測各項目指標的未來變化趨勢，能夠提前識別項目潛在的風險和機遇，為項目管理和決策制定提供前瞻性的指導。本方案通過數(shù)據(jù)挖掘，發(fā)現(xiàn)各項目指標數(shù)據(jù)之間的顯著關聯(lián)規(guī)則，能夠揭示項目內(nèi)部各要素之間的相互作用和影響機制，為全面評估項目的綜合性能提供支持。將空間分布特征、預測變化趨勢和顯著關聯(lián)規(guī)則輸入預先訓練好的電力新基建綜合評估模型中，能夠輸出電力新基建項目的全面評估結(jié)果，克服了傳統(tǒng)評估方法的片面性和主觀性，提高了評估結(jié)果的準確性和科學性。綜上，本發(fā)明方法能夠充分利用電力大數(shù)據(jù)平臺的數(shù)據(jù)資源，結(jié)合數(shù)據(jù)挖掘和機器學習，實現(xiàn)對電力新基建項目的全面、深入、動態(tài)評估，更加準確地把握項目的實際情況和發(fā)展趨勢，為決策者提供更加科學、合理的決策依據(jù)。本發(fā)明提供的一種基于大數(shù)據(jù)分析的電力新基建評估裝置、電子設備和計算機可讀存儲介質(zhì)同樣解決了背景技術部分提出的問題。

45、本技術基于空間關聯(lián)性、時間變化趨勢和指標間關聯(lián)規(guī)則的分析結(jié)果，全面評估電力新基建項目的現(xiàn)狀和發(fā)展趨勢，綜合性和數(shù)據(jù)驅(qū)動特點使其能夠更全面、準確地評估電力新基建項目的效益和影響，為相關決策提供重要參考；

46、本技術通過數(shù)據(jù)分析和模型計算，減少了主觀因素的干擾，評估結(jié)果更加客觀和科學。合理設定了各項分析結(jié)果的權重和重要性，能夠根據(jù)實際情況調(diào)整權重，使評估結(jié)果更符合實際需；

47、本技術構(gòu)建一個綜合評估電力新基建項目的深度學習模型，充分利用多模態(tài)數(shù)據(jù)的信息，提高電力新基建項目評估的準確性和全面性。