一种产业标签生成与发展态势量化评价方法、系统及设备与流程
本发明涉及电力数据量化手段,属于电力大数据分析领域,尤其涉及一种产业标签生成与发展态势量化评价方法、系统及设备。
背景技术:
1、电力数据凭借全覆盖、实时客观、不易篡改的独特优势,叠加新型电力系统建设带来的海量企业级时序用电数据支撑,成为产业运行分析的优质数据源,但当前将用电大数据转化为产业分析可用结构化知识的技术体系仍不完善。
2、业界现有技术中传统台账统计方法依托人工逐级填报的报表与抽样数据开展分析,虽然统计口径相对统一,但存在产业边界识别粗放、数据更新滞后、难以实现规模化精细化产业判定的问题;电力行业用电分类统计方法可依托现有电力系统数据降低分析成本,却因电力分类体系适配电价计费而非政策产业界定标准,与产业目录存在系统性错配,无法支撑细分产业、新旧产业的精准分析;关键词规则匹配的企业自动分类方法提升了产业归属判定的工作效率,但仅能实现表层字符匹配,缺乏语义理解能力,易受企业业务交叉、表述不规范、注册与实际经营不符等问题影响出现误判,且无法刻画企业产业链位置与转型进程;单一用电量指标评价方法数据直观、便于对比,但维度单一,无法构建产业多维发展画像,难以反映产业生产效率、空间分布特征,还易受自然因素干扰导致研判失真;因此,现有技术整体仍然存在标准映射不统一、企业产业归属精准判定能力不足、产业多维态势与转型进程难以量化的缺陷,亟需一种可精确量化产业发展态势的手段以解决现有技术中的上述问题。
技术实现思路
1、本发明的目的是克服现有技术中存在的上述缺陷与问题,提供一种产业标签生成与发展态势量化评价方法、系统及设备,以精确量化产业发展态势。
2、为实现以上目的,本发明的技术解决方案是:一种产业标签生成与发展态势量化评价方法,包括:
3、构建多源政策融合的结构化产业标签体系,并生成企业的候选语义标签集合;
4、采集企业用电量数据,提取电力负荷特征,获得企业电力负荷特征指纹向量与产业指纹基准;
5、基于企业电力负荷特征指纹向量与产业指纹基准,确定企业产业归属的最优标签,并遍历候选语义标签集合,通过文本-电力背离度对企业产业归属的最优标签进行一致性背离校正,获得产业企业清单;
6、对产业企业清单中每个最优标签归属产业的企业集合,构建电力多维评价指标,确定综合画像向量与综合发展指数;
7、基于综合画像向量识别产业在各维度上的结构性差别,基于综合发展指数识别产业发展拐点,并确定绿色化与智能化转型指数,输出产业演进趋势与产业转型阶段。
8、可选的,所述构建多源政策融合的结构化产业标签体系,具体包括:
9、构建政策源集合,且每个政策源对应一个先验优先级;
10、将产业标签体系建模为有向无环图,其中为标签节点集合,为表征上下位归属关系的有向边集合;
11、基于细分产业对标签节点集合中的每个标签节点关联三元特征,获得标签特征三元组,其表达式如下:
12、;
13、其中:为第个标签节点的特征三元组;为标签语义集合;为行业代码的映射集合;为所归属的政策属性向量;
14、若多个政策源对同一标签节点所归属的政策属性不一致时,基于先验优先级加权确定标签节点所归属的政策属性;所述先验优先级加权的表达式如下:
15、;
16、其中:为所归属的政策属性;为政策属性的可取类别集合;为政策源对标签节点在所归属的政策属性上给出的类别判定;
17、定义每个标签节点的政策置信度,量化标签节点被多个政策源共同认定的程度,其表达式如下:
18、;
19、其中:为第个标签节点的政策置信度;为政策源所界定的标签集合;为指示函数;
20、基于标签节点的标签特征三元组、所归属的政策属性与政策置信度,构成结构化产业标签体系。
21、可选的,所述生成企业的候选语义标签集合,具体包括:
22、归集企业多源信息字段拼接为企业语义描述文本,并映射为企业语义表征向量,其表达式如下:
23、;
24、其中:为语义表征向量;为核心技术描述;为核心产品描述;为主营业务描述;
25、将每个标签节点的标签语义集合进行统一编码映射,获得标签语义向量,并确定企业与标签节点之间的文本语义匹配分,其表达式如下:
26、;
27、;
28、其中:为文本语义匹配分;为标签语义向量;为方向一致性度量;为向量二范数;为极小正数;
29、基于文本语义匹配分,通过预设语义阈值筛选获得候选语义标签集合,其表达式如下:
30、;
31、其中:为候选语义标签集合;为预设语义阈值。
32、可选的,所述采集企业用电量数据,提取电力负荷特征,获得企业电力负荷特征指纹向量与产业指纹基准,具体包括:
33、获取企业用电量数据,确定负荷利用率,其表达式如下:
34、;
35、;
36、其中:为负荷利用率;为年用电量;为负荷峰值;为采样总时长;为用电计量时序;为采样固定步长;
37、获取企业工作日与非工作日的用电负荷,确定工作日占比,其表达式如下:
38、;
39、其中:为工作日占比;、分别为工作日与非工作日的平均负荷;为极小正数;
40、获取企业高峰时段与低谷时段的用电负荷,确定峰谷比,其表达式如下:
41、;
42、其中:为日内高峰时段与低谷时段的峰谷比;、分别为日内高峰时段与低谷时段的平均负荷;
43、获取企业用电的季节规律,确定季节性因素,其表达式如下:
44、;
45、其中:为季节性因素;为全年月用电量的最大值;为第个月的月用电量序列,;
46、获取企业月度用电数据,确定月度波动系数,其表达式如下:
47、;
48、;
49、其中:为月度波动系数;为全年月用电量均值;
50、基于负荷利用率、工作日占比、峰谷比、季节性因素与月度波动系数,构建企业电力负荷特征指纹向量,其表达式如下:
51、;
52、其中:为企业的企业电力负荷特征指纹向量;
53、对企业电力负荷特征指纹向量进行归一化,并对每一标签节点估计指纹分布的质心与协方差作为产业指纹基准,其表达式分别如下:
54、;
55、;
56、;
57、其中:为质心;为协方差;为种子样本集合;为归一化后的企业电力负荷特征指纹向量;、分别为企业样本总体的下界与上界。
58、可选的,所述基于企业电力负荷特征指纹向量与产业指纹基准,确定企业产业归属的最优标签,并遍历候选语义标签集合,通过文本-电力背离度对企业产业归属的最优标签进行一致性背离校正,获得产业企业清单,具体包括:
59、基于归一化后的企业电力负荷特征指纹向量,采用马氏距离度量企业指纹与产业基准的偏离程度,并通过指数映射转化为电力一致性分,其表达式如下:
60、;
61、其中:为电力一致性分;为归一化后的企业电力负荷特征指纹向量;
62、基于政策置信度与标签规则库的规则匹配分,作为强先验约束,获得政策权威分,其表达式如下:
63、;
64、其中:为政策权威分;为第个标签节点的政策置信度;
65、基于文本语义匹配分、电力一致性分与政策权威分进行加权融合,获得企业对标签节点的综合归属分,其表达式如下:
66、;
67、其中:为综合归属分;、、均为权重系数;
68、基于综合归属分,确定企业产业归属的最优标签,其表达式如下:
69、;
70、其中:为企业的最优标签;为对应的所归属政策属性的置信度;
71、确定企业产业归属对最优标签的文本—电力背离度,进行一致性背离校正,其表达式如下:
72、;
73、其中:为文本—电力背离度;、分别为企业对最优标签的文本语义匹配分和电力一致性分;
74、若、且时,则触发一致性背离校正,将企业产业归属当前的最优标签进行排除,并遍历候选语义标签集合直至不再触发一致性背离校正,输出产业企业清单;其中、、分别为高匹配阈值、低一致阈值与一致性背离阈值。
75、可选的,所述对产业企业清单中每个最优标签归属产业的企业集合,构建电力多维评价指标,确定综合画像向量与综合发展指数,具体包括:
76、构建规模维度评价指标,其表达式如下:
77、;;
78、其中:为产业用电量;为产业最大负荷;为同时率系数;为年用电量;为负荷峰值;为产业序号;
79、构建增长维度评价指标,其表达式如下:
80、;;
81、其中:为产业用电量同比增速;为产业用电增量对全部产业用电总增量的贡献度;、分别为产业在第年和第年的用电量;、分别为产业在第年和第年的用电量;
82、构建效率维度评价指标,其表达式如下:
83、;;
84、其中:为产业负荷利用率;为产业工作日占比;为负荷的工作日占比;
85、构建空间维度评价指标,其表达式如下:
86、;;
87、其中:为用户集中度;为区域分布;为产业在区域的用电量;为区域集合;
88、将规模维度、增长维度、效率维度与空间维度评价指标进行归一化并加权,获得综合画像向量与综合发展指数,其表达式分别如下:
89、;
90、;
91、其中:为产业的综合画像向量;为产业的综合发展指数;为产业下第项评价指标归一化的标准化指标值;为指标权重;为评价维度指标的总数量。
92、可选的,所述基于综合画像向量识别产业在各维度上的结构性差别;基于综合发展指数识别产业发展拐点;确定绿色化与智能化转型指数,输出产业演进趋势与产业转型阶段,具体包括:
93、基于综合画像向量计算产业间差异度,识别各产业在各维度上的结构性差别;
94、基于综合发展指数构造时间序列,采用累积偏差检验识别产业发展拐点,确定产业的演进趋势,其表达式如下:
95、;
96、;
97、其中:为时刻的累积偏差;为产业在时刻的综合发展指数;为基准期均值;为使累积偏差绝对值最大的时刻,表征产业发展拐点;
98、基于产业负荷利用率,确定绿色化转型指数,其表达式如下:
99、;
100、其中:为绿色化转型指数;为产业负荷利用率的提升量;为自备清洁电力或绿电占比;为参与有序用电、需求响应的程度;为单位产出电耗的变化量;、、、均为权重系数;
101、基于企业用电量,确定智能化转型指数,其表达式如下:
102、;
103、其中:为智能化转型指数;、分别为峰谷比与月度波动系数的变化量;为夜间稳态负荷占比的提升量;为负荷利用率提升量;、、、均为权重系数;
104、基于绿色化转型指数与智能化转型指数的轨迹,确定产业转型阶段,其表达式如下:
105、;
106、其中:为时刻产业所处的转型阶段;、为阶段划分阈值,。
107、一种产业标签生成与发展态势量化评价系统,该系统应用于上述的方法,所述系统包括:
108、语义标签生成模块,用于构建多源政策融合的结构化产业标签体系,并生成企业的候选语义标签集合;
109、特征指纹获取模块,用于采集企业用电量数据,提取电力负荷特征,获得企业电力负荷特征指纹向量与产业指纹基准;
110、产业企业归属确定模块,用于基于企业电力负荷特征指纹向量与产业指纹基准,确定企业产业归属的最优标签,并遍历候选语义标签集合,通过文本-电力背离度对企业产业归属的最优标签进行一致性背离校正,获得产业企业清单;
111、多维评价模块,用于对产业企业清单中每个最优标签归属产业的企业集合,构建电力多维评价指标,确定综合画像向量与综合发展指数;
112、发展态势识别模块,用于基于综合画像向量识别产业在各维度上的结构性差别;基于综合发展指数识别产业发展拐点;确定绿色化与智能化转型指数,输出产业演进趋势与产业转型阶段。
113、一种产业标签生成与发展态势量化评价设备,所述设备包括处理器以及存储器;
114、所述存储器用于存储计算机程序代码,并将所述计算机程序代码传输给所述处理器;
115、所述处理器用于根据所述计算机程序代码中的指令执行上述的产业标签生成与发展态势量化评价方法。
116、一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机可执行指令,当所述计算机可执行指令在计算机上执行时,实现上述的产业标签生成与发展态势量化评价方法。
117、与现有技术相比,本发明的有益效果为:
118、本发明一种产业标签生成与发展态势量化评价方法、系统及设备中,方法首先构建多源的结构化产业标签体系,并生成候选语义标签集合,然后采集用电量数据,提取企业电力负荷特征指纹向量与产业指纹基准,接着基于此确定企业产业归属的最优标签,并遍历候选语义标签集合进行一致性背离校正,获得产业企业清单,再对清单中的企业集合,构建电力多维评价指标,确定综合画像向量与综合发展指数,并识别结构差异与发展拐点,最后确定绿色化与智能化转型指数,输出产业演进趋势与转型阶段;本设计在应用中,通过构建多源政策融合的可计算产业标签体系,解决了产业分类标准错配问题,并通过融合文本语义与电力负荷指纹的多模态判定方式,实现了大规模企业精准产业打标,接着搭建多维电力评价指标体系,突破单一指标局限,同时研判产业的绿色智能转型进程,精准量化产业发展态势,为产业调控提供了可靠支撑。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com