本公開涉及數(shù)據(jù)處理領(lǐng)域，并且更具體地，涉及一種基于電力大數(shù)據(jù)的智慧采購決策方法及決策平臺。

背景技術(shù)：

1、隨著電力系統(tǒng)的快速發(fā)展和智能化的推進，電力行業(yè)產(chǎn)生的數(shù)據(jù)呈指數(shù)級增長。這些數(shù)據(jù)包括電力供需數(shù)據(jù)、設(shè)備狀態(tài)數(shù)據(jù)、電網(wǎng)運行數(shù)據(jù)等。傳統(tǒng)的分析方法已經(jīng)無法滿足對大規(guī)模電力數(shù)據(jù)的處理和分析需求。因此，電力大數(shù)據(jù)應(yīng)運而生，成為電力行業(yè)重要的技術(shù)支撐。電力大數(shù)據(jù)是通過對電力系統(tǒng)中各種傳感器、監(jiān)測設(shè)備和信息系統(tǒng)所產(chǎn)生的大量數(shù)據(jù)進行采集、存儲和分析，從而獲取有價值的信息和知識的過程。它可以幫助電力行業(yè)實現(xiàn)智能化運營管理和優(yōu)化決策。電力大數(shù)據(jù)可以應(yīng)用于許多方面，如能源調(diào)度、供需預(yù)測、設(shè)備健康監(jiān)測、電網(wǎng)故障診斷等。例如，通過實時采集和分析電力市場、負(fù)荷需求和可再生能源等數(shù)據(jù)，優(yōu)化電力系統(tǒng)的能源調(diào)度和供需平衡，提高能源利用效率。通過監(jiān)測設(shè)備狀態(tài)數(shù)據(jù)、溫度、振動等數(shù)據(jù)，結(jié)合機器學(xué)習(xí)和故障診斷算法，實現(xiàn)設(shè)備的健康監(jiān)測、故障預(yù)警和提前維護，提高電力設(shè)備的可靠性和效率。通過分析市場需求、價格波動等數(shù)據(jù)，幫助電力企業(yè)制定合理的市場策略和決策，提高市場競爭力。電力大數(shù)據(jù)可以包括電力負(fù)荷數(shù)據(jù)、發(fā)電量數(shù)據(jù)等?；陔娏Υ髷?shù)據(jù)進行數(shù)據(jù)分析決策的準(zhǔn)確性需要得到提高，以適應(yīng)不斷變化的場景和需求。

技術(shù)實現(xiàn)思路

1、有鑒于此，本公開實施例至少提供一種基于電力大數(shù)據(jù)的智慧采購決策方法及決策平臺。

2、根據(jù)本公開實施例的一個方面，提供了一種基于電力大數(shù)據(jù)的智慧采購決策方法，應(yīng)用于智慧決策平臺，所述方法包括：

3、獲取擬分析電力系統(tǒng)的目標(biāo)電力大數(shù)據(jù)，通過第一機器學(xué)習(xí)算法確定所述目標(biāo)電力大數(shù)據(jù)對應(yīng)的提煉特征數(shù)組；所述第一機器學(xué)習(xí)算法屬于與所述目標(biāo)電力大數(shù)據(jù)關(guān)聯(lián)的目標(biāo)決策分析算法；所述目標(biāo)決策分析算法包括異于所述第一機器學(xué)習(xí)算法的第二機器學(xué)習(xí)算法和第三機器學(xué)習(xí)算法；

4、獲取和所述第二機器學(xué)習(xí)算法關(guān)聯(lián)的對照字符串集合，根據(jù)所述目標(biāo)電力大數(shù)據(jù)和所述對照字符串集合中的對照字符串，確定所述目標(biāo)電力大數(shù)據(jù)對應(yīng)的對照特征數(shù)組；

5、獲取和所述第三機器學(xué)習(xí)算法關(guān)聯(lián)的分類決策數(shù)據(jù)元集合，根據(jù)所述目標(biāo)電力大數(shù)據(jù)和所述分類決策數(shù)據(jù)元集合中的關(guān)聯(lián)數(shù)據(jù)元，確定所述目標(biāo)電力大數(shù)據(jù)對應(yīng)的關(guān)聯(lián)特征數(shù)組；

6、將所述提煉特征數(shù)組、所述對照特征數(shù)組以及所述關(guān)聯(lián)特征數(shù)組進行數(shù)組組合，得到所述目標(biāo)電力大數(shù)據(jù)的目標(biāo)組合數(shù)組，將所述目標(biāo)組合數(shù)組輸入所述目標(biāo)決策分析算法的決策算子，采用所述決策算子輸出所述目標(biāo)電力大數(shù)據(jù)對應(yīng)的目標(biāo)決策結(jié)果。

7、根據(jù)本公開的一種示例，其中，所述獲取擬分析電力系統(tǒng)的目標(biāo)電力大數(shù)據(jù)，通過第一機器學(xué)習(xí)算法確定所述目標(biāo)電力大數(shù)據(jù)對應(yīng)的提煉特征數(shù)組，包括：

8、對所述目標(biāo)電力大數(shù)據(jù)進行數(shù)據(jù)拆分操作，得到所述目標(biāo)電力大數(shù)據(jù)的拆分?jǐn)?shù)據(jù)字段，將所述拆分?jǐn)?shù)據(jù)字段進行獨熱編碼，得到所述拆分?jǐn)?shù)據(jù)字段對應(yīng)的拆分?jǐn)?shù)組表示；

9、在所述目標(biāo)電力大數(shù)據(jù)中確定所述拆分?jǐn)?shù)據(jù)字段的字段位置，對所述字段位置進行位置嵌入，得到所述字段位置對應(yīng)的位置數(shù)組表示；

10、確定所述拆分?jǐn)?shù)據(jù)字段對應(yīng)的切分?jǐn)?shù)組，將所述拆分?jǐn)?shù)組表示、所述位置數(shù)組表示和所述切分?jǐn)?shù)組進行數(shù)組求和，得到所述拆分?jǐn)?shù)據(jù)字段的擬提煉字段數(shù)組；

11、將所述擬提煉字段數(shù)組輸入目標(biāo)決策分析算法中的第一機器學(xué)習(xí)算法，采用所述第一機器學(xué)習(xí)算法對所述擬提煉字段數(shù)組進行提煉，得到所述拆分?jǐn)?shù)據(jù)字段對應(yīng)的提煉字段數(shù)組，根據(jù)所述拆分?jǐn)?shù)據(jù)字段對應(yīng)的提煉字段數(shù)組，確定所述目標(biāo)電力大數(shù)據(jù)對應(yīng)的提煉特征數(shù)組。

12、根據(jù)本公開的一種示例，其中，所述第一機器學(xué)習(xí)算法包括目標(biāo)特征挖掘算子；所述目標(biāo)特征挖掘算子包括多維顯著性聚合組件、起始規(guī)范化組件、前向傳播組件和末尾規(guī)范化組件；

13、所述將所述擬提煉字段數(shù)組輸入目標(biāo)決策分析算法中的第一機器學(xué)習(xí)算法，采用所述第一機器學(xué)習(xí)算法對所述擬提煉字段數(shù)組進行提煉，得到所述拆分?jǐn)?shù)據(jù)字段對應(yīng)的提煉字段數(shù)組，根據(jù)所述拆分?jǐn)?shù)據(jù)字段對應(yīng)的提煉字段數(shù)組，確定所述目標(biāo)電力大數(shù)據(jù)對應(yīng)的提煉特征數(shù)組，包括：

14、在所述目標(biāo)決策分析算法的第一機器學(xué)習(xí)算法中，將所述擬提煉字段數(shù)組輸入所述多維顯著性聚合組件，依據(jù)所述多維顯著性聚合組件對所述擬提煉字段數(shù)組進行特征挖掘，得到與所述擬提煉字段數(shù)組關(guān)聯(lián)的第一中間層數(shù)組；

15、將所述擬提煉字段數(shù)組和所述第一中間層數(shù)組輸入所述起始規(guī)范化組件，依據(jù)所述起始規(guī)范化組件對所述擬提煉字段數(shù)組和所述第一中間層數(shù)組進行跳躍連接，得到第一跳躍數(shù)組，將所述第一跳躍數(shù)組進行規(guī)范化，得到所述擬提煉字段數(shù)組對應(yīng)的第一規(guī)范化數(shù)組；

16、將所述第一規(guī)范化數(shù)組輸入所述前向傳播組件，依據(jù)所述前向傳播組件對所述第一規(guī)范化數(shù)組進行特征挖掘，得到所述第一規(guī)范化數(shù)組對應(yīng)的第二中間層數(shù)組；

17、將所述第一規(guī)范化數(shù)組和所述第二中間層數(shù)組輸入所述末尾規(guī)范化組件，依據(jù)所述末尾規(guī)范化組件對所述第一規(guī)范化數(shù)組和所述第二中間層數(shù)組進行跳躍連接，得到第二跳躍數(shù)組，將所述第二跳躍數(shù)組進行規(guī)范化，得到所述擬提煉字段數(shù)組對應(yīng)的第二規(guī)范化數(shù)組，根據(jù)所述第二規(guī)范化數(shù)組得到所述拆分?jǐn)?shù)據(jù)字段對應(yīng)的提煉字段數(shù)組，根據(jù)所述拆分?jǐn)?shù)據(jù)字段對應(yīng)的提煉字段數(shù)組，確定所述目標(biāo)電力大數(shù)據(jù)對應(yīng)的提煉特征數(shù)組。

18、根據(jù)本公開的一種示例，其中，所述多維顯著性聚合組件包括選定注意力組件、所述選定注意力組件對應(yīng)的起始密集連接組件、數(shù)組組合組件、末尾密集連接組件；

19、所述數(shù)組組合組件用于將由所述多維顯著性聚合組件中的每一注意力組件所輸出的特征向量進行數(shù)組組合；

20、一個注意力組件對應(yīng)一個起始密集連接組件；

21、所述在所述目標(biāo)決策分析算法的第一機器學(xué)習(xí)算法中，將所述擬提煉字段數(shù)組輸入所述多維顯著性聚合組件，依據(jù)所述多維顯著性聚合組件對所述擬提煉字段數(shù)組進行特征挖掘，得到與所述擬提煉字段數(shù)組關(guān)聯(lián)的第一中間層數(shù)組，包括：

22、在所述目標(biāo)決策分析算法的第一機器學(xué)習(xí)算法中，從所述多維顯著性聚合組件所具備的多個注意力組件中獲取選定注意力組件；

23、根據(jù)所述擬提煉字段數(shù)組和所述選定注意力組件對應(yīng)的起始密集連接組件，確定與所述擬提煉字段數(shù)組關(guān)聯(lián)的查詢矩陣、鍵矩陣和值矩陣；

24、將所述查詢矩陣、所述鍵矩陣和所述值矩陣輸入所述選定注意力組件，依據(jù)所述選定注意力組件對所述查詢矩陣、所述鍵矩陣和所述值矩陣進行處理，得到所述選定注意力組件對應(yīng)的輸出數(shù)組；

25、當(dāng)所述多維顯著性聚合組件中的每一注意力組件皆被確定為所述選定注意力組件時，獲得所述每一注意力組件對應(yīng)的輸出數(shù)組，通過所述數(shù)組組合組件將所述每一注意力組件對應(yīng)的輸出數(shù)組進行數(shù)組組合，得到與所述擬提煉字段數(shù)組關(guān)聯(lián)的關(guān)注組合數(shù)組；

26、將所述關(guān)注組合數(shù)組輸入所述末尾密集連接組件，依據(jù)所述末尾密集連接組件對所述關(guān)注組合數(shù)組進行數(shù)組特征挖掘，得到與所述擬提煉字段數(shù)組關(guān)聯(lián)的第一中間層數(shù)組。

27、根據(jù)本公開的一種示例，其中，所述獲取和所述第二機器學(xué)習(xí)算法關(guān)聯(lián)的對照字符串集合，根據(jù)所述目標(biāo)電力大數(shù)據(jù)和所述對照字符串集合中的對照字符串，確定所述目標(biāo)電力大數(shù)據(jù)對應(yīng)的對照特征數(shù)組，包括：

28、獲取和所述第二機器學(xué)習(xí)算法關(guān)聯(lián)的對照字符串集合，對所述目標(biāo)電力大數(shù)據(jù)和所述對照字符串集合中的對照字符串進行對照，得到與所述目標(biāo)電力大數(shù)據(jù)關(guān)聯(lián)的對照結(jié)果；

29、若所述對照結(jié)果表征所述對照字符串集合中保有和所述目標(biāo)電力大數(shù)據(jù)對應(yīng)的對照字符串，將和所述目標(biāo)電力大數(shù)據(jù)對應(yīng)的對照字符串確定為目標(biāo)對照字符串；

30、將所述目標(biāo)對照字符串對應(yīng)的字段鏈輸入所述第二機器學(xué)習(xí)算法，依據(jù)所述第二機器學(xué)習(xí)算法對所述字段鏈進行矢量轉(zhuǎn)換，得到所述目標(biāo)對照字符串對應(yīng)的對照字段數(shù)組；

31、根據(jù)所述對照字段數(shù)組，確定所述目標(biāo)電力大數(shù)據(jù)對應(yīng)的對照特征數(shù)組。

32、根據(jù)本公開的一種示例，其中，所述方法還包括：

33、若所述對照結(jié)果表征所述對照字符串集合中未保有和目標(biāo)電力大數(shù)據(jù)對應(yīng)的對照字符串，則獲取和所述對照字符串集合關(guān)聯(lián)的完善對照數(shù)組，將所述完善對照數(shù)組作為所述目標(biāo)電力大數(shù)據(jù)對應(yīng)的對照特征數(shù)組。

34、根據(jù)本公開的一種示例，其中，所述獲取和所述第三機器學(xué)習(xí)算法關(guān)聯(lián)的分類決策數(shù)據(jù)元集合，根據(jù)所述目標(biāo)電力大數(shù)據(jù)和所述分類決策數(shù)據(jù)元集合中的關(guān)聯(lián)數(shù)據(jù)元，確定所述目標(biāo)電力大數(shù)據(jù)對應(yīng)的關(guān)聯(lián)特征數(shù)組，包括：

35、獲取和所述第三機器學(xué)習(xí)算法關(guān)聯(lián)的分類決策數(shù)據(jù)元集合，對所述目標(biāo)電力大數(shù)據(jù)和所述分類決策數(shù)據(jù)元集合中的關(guān)聯(lián)數(shù)據(jù)元進行關(guān)聯(lián)數(shù)據(jù)元配對，得到與所述目標(biāo)電力大數(shù)據(jù)關(guān)聯(lián)的關(guān)聯(lián)配對結(jié)果；

36、若所述關(guān)聯(lián)配對結(jié)果表征所述分類決策數(shù)據(jù)元集合中保有和所述目標(biāo)電力大數(shù)據(jù)對應(yīng)的關(guān)聯(lián)數(shù)據(jù)元，則將與所述目標(biāo)電力大數(shù)據(jù)對應(yīng)的關(guān)聯(lián)數(shù)據(jù)元作為目標(biāo)關(guān)聯(lián)數(shù)據(jù)元；

37、將所述目標(biāo)關(guān)聯(lián)數(shù)據(jù)元輸入所述第三機器學(xué)習(xí)算法，依據(jù)所述第三機器學(xué)習(xí)算法對所述目標(biāo)關(guān)聯(lián)數(shù)據(jù)元進行矢量轉(zhuǎn)換，得到所述目標(biāo)關(guān)聯(lián)數(shù)據(jù)元對應(yīng)的關(guān)聯(lián)數(shù)據(jù)元數(shù)組；

38、根據(jù)所述關(guān)聯(lián)數(shù)據(jù)元數(shù)組，確定所述目標(biāo)電力大數(shù)據(jù)對應(yīng)的關(guān)聯(lián)特征數(shù)組。

39、根據(jù)本公開的一種示例，其中，所述方法還包括：若所述關(guān)聯(lián)配對結(jié)果表征所述分類決策數(shù)據(jù)元集合中未保有和目標(biāo)電力大數(shù)據(jù)對應(yīng)的關(guān)聯(lián)數(shù)據(jù)元，則獲取和所述分類決策數(shù)據(jù)元集合關(guān)聯(lián)的完善關(guān)聯(lián)數(shù)組，將所述完善關(guān)聯(lián)數(shù)組作為所述目標(biāo)電力大數(shù)據(jù)對應(yīng)的關(guān)聯(lián)特征數(shù)組。

40、根據(jù)本公開的一種示例，其中，所述決策分析算法的調(diào)優(yōu)過程包括：

41、獲取用以調(diào)優(yōu)基礎(chǔ)決策分析算法的電力大數(shù)據(jù)學(xué)習(xí)模板和所述電力大數(shù)據(jù)學(xué)習(xí)模板的模板決策結(jié)果，通過第一機器學(xué)習(xí)算法模板確定所述電力大數(shù)據(jù)學(xué)習(xí)模板對應(yīng)的模板特征數(shù)組；所述第一機器學(xué)習(xí)算法模板屬于與所述電力大數(shù)據(jù)學(xué)習(xí)模板關(guān)聯(lián)的基礎(chǔ)決策分析算法；所述基礎(chǔ)決策分析算法包括異于所述第一機器學(xué)習(xí)算法模板的第二機器學(xué)習(xí)算法模板和第三機器學(xué)習(xí)算法模板；

42、獲取和所述第二機器學(xué)習(xí)算法模板關(guān)聯(lián)的對照字符串集合，根據(jù)所述電力大數(shù)據(jù)學(xué)習(xí)模板和所述對照字符串集合中的對照字符串，確定所述電力大數(shù)據(jù)學(xué)習(xí)模板對應(yīng)的模板對照特征數(shù)組；

43、獲取和所述第三機器學(xué)習(xí)算法關(guān)聯(lián)的分類決策數(shù)據(jù)元集合，根據(jù)所述目標(biāo)電力大數(shù)據(jù)和所述分類決策數(shù)據(jù)元集合中的關(guān)聯(lián)數(shù)據(jù)元，確定所述電力大數(shù)據(jù)學(xué)習(xí)模板對應(yīng)的模板關(guān)聯(lián)特征數(shù)組；

44、根據(jù)所述模板特征數(shù)組、所述模板對照特征數(shù)組、所述模板關(guān)聯(lián)特征數(shù)組、所述模板決策結(jié)果和所述基礎(chǔ)決策分析算法的決策算子，對所述基礎(chǔ)決策分析算法進行調(diào)優(yōu)，將調(diào)優(yōu)后的基礎(chǔ)決策分析算法作為目標(biāo)決策分析算法。

45、根據(jù)本公開實施例的另一方面，提供了一種智慧決策平臺，包括：

46、一個或多個處理器；

47、以及一個或多個存儲器，其中所述存儲器中存儲有計算機可讀代碼，所述計算機可讀代碼在由所述一個或多個處理器運行時，使得所述一個或多個處理器執(zhí)行如上述的方法。

48、本公開至少包含的有益效果：

49、本公開實施例在獲取到擬分析電力系統(tǒng)的目標(biāo)電力大數(shù)據(jù)時，采用第一機器學(xué)習(xí)算法確定目標(biāo)電力大數(shù)據(jù)對應(yīng)的提煉特征數(shù)組，第一機器學(xué)習(xí)算法屬于與目標(biāo)電力大數(shù)據(jù)關(guān)聯(lián)的目標(biāo)決策分析算法，目標(biāo)決策分析算法還包括異于第一機器學(xué)習(xí)算法的第二機器學(xué)習(xí)算法和第三機器學(xué)習(xí)算法。之后，獲取和第二機器學(xué)習(xí)算法關(guān)聯(lián)的對照字符串集合，根據(jù)目標(biāo)電力大數(shù)據(jù)和對照字符串集合中的對照字符串，確定目標(biāo)電力大數(shù)據(jù)對應(yīng)的對照特征數(shù)組，接著，獲取和第三機器學(xué)習(xí)算法關(guān)聯(lián)的分類決策數(shù)據(jù)元集合，根據(jù)目標(biāo)電力大數(shù)據(jù)和分類決策數(shù)據(jù)元集合中的關(guān)聯(lián)數(shù)據(jù)元，確定目標(biāo)電力大數(shù)據(jù)對應(yīng)的關(guān)聯(lián)特征數(shù)組，然后將提煉特征數(shù)組、對照特征數(shù)組以及關(guān)聯(lián)特征數(shù)組進行數(shù)組組合，得到目標(biāo)電力大數(shù)據(jù)的目標(biāo)組合數(shù)組，將目標(biāo)組合數(shù)組輸入目標(biāo)決策分析算法的決策算子，采用決策算子輸出目標(biāo)電力大數(shù)據(jù)對應(yīng)的目標(biāo)決策結(jié)果。本公開采用多任務(wù)訓(xùn)練獲得的目標(biāo)決策分析算法，準(zhǔn)確解析得到目標(biāo)電力大數(shù)據(jù)的目標(biāo)決策結(jié)果。比如，采用第一機器學(xué)習(xí)算法提取目標(biāo)電力大數(shù)據(jù)的提煉特征數(shù)組，此處的提煉特征數(shù)組為目標(biāo)電力大數(shù)據(jù)的系統(tǒng)工作態(tài)勢的特征信息表達(dá)。此外，還采用第二機器學(xué)習(xí)算法提取目標(biāo)電力大數(shù)據(jù)的對照特征數(shù)組，同時采用第三機器學(xué)習(xí)算法提取目標(biāo)電力大數(shù)據(jù)的關(guān)聯(lián)特征數(shù)組，此處的對照特征數(shù)組和關(guān)聯(lián)特征數(shù)組為目標(biāo)電力大數(shù)據(jù)的完善特征。如此，在對提煉特征數(shù)組、對照特征數(shù)組和關(guān)聯(lián)特征數(shù)組(即系統(tǒng)工作態(tài)勢的特征信息表達(dá)和完善特征)進行數(shù)組組合后，采用目標(biāo)決策分析算法中的決策算子對組合的目標(biāo)組合數(shù)組進行解析，得到目標(biāo)電力大數(shù)據(jù)的決策結(jié)果。

50、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，而非限制本公開的技術(shù)方案。