一种基于知识图谱的企业能源数据资产治理方法与流程
本发明涉及数据资产治理,尤其涉及一种基于知识图谱的企业能源数据资产治理方法。
背景技术:
1、现有企业能源数据资产治理方法通常依托能源管理平台、数据仓库或知识图谱,对能源计量数据进行集中存储、分类管理和关联查询。此类方法能够记录计量数据来源及派生过程,但对多级转换、分摊和汇总过程中形成的计量贡献缺乏精细处理,难以准确区分不同派生路径中的实际贡献范围。
2、随着知识图谱和图神经网络技术的发展,基于图结构的能源数据关联分析逐渐应用于企业能源数据治理。然而,现有图推理方法通常在多层传播过程中重复引入初始节点状态,已排除的贡献范围容易再次进入消息聚合,造成异常贡献路径识别不准确。
3、此外,现有方法发现异常贡献后多采用一次性修正,缺少修正结果与图推理过程之间的迭代复核。源计量数据发生修订时,通常需要扩大重算范围,难以仅沿受影响的有效贡献路径执行局部更新,增加能源数据治理的计算量。
4、因此,如何提供一种基于知识图谱的企业能源数据资产治理方法是本领域技术人员亟需解决的问题。
技术实现思路
1、本发明的一个目的在于提出一种基于知识图谱的企业能源数据资产治理方法,本发明采用知识图谱、改进nbfnet模型与run优化算法相结合的方法,将企业能源计量数据切分为计量证据段,构建计量贡献路径和核算域,并改写相邻广义关系卷积层之间的边界条件承接方式,阻断已排除贡献范围恢复;通过run优化算法迭代修正异常贡献路径,并在源计量数据修订时沿有效贡献路径局部更新,具有异常识别准确、修正结果可靠、更新范围小和治理效率高的优点。
2、根据本发明实施例的一种基于知识图谱的企业能源数据资产治理方法,包括如下步骤:
3、s1、汇集企业能源计量数据,按计量归属和有效区间切分为计量证据段;
4、s2、关联计量证据段与能源数据派生结果,将计量贡献关系写入知识图谱,形成计量贡献路径;
5、s3、按能源核算口径归集有效计量贡献路径,划定核算域并形成贡献推理对象;
6、s4、将贡献推理对象接入改进nbfnet模型,截断初始节点状态自第二层起注入消息集合的通路,由前层节点状态形成当前层边界条件,阻断前层节点状态未保留的贡献范围恢复,形成末层节点状态;
7、s5、读取末层节点状态,核验核算域内计量贡献归并结果,标定异常贡献范围,形成异常贡献路径;
8、s6、run优化算法读取异常贡献路径,将中间修正结果逐次回写改进nbfnet模型,以重算的剩余异常范围修正下一阶段斜率,形成优化修正结果;
9、s7、保留异常范围缩小且有效贡献未被削减的优化修正结果,改写异常贡献路径并形成治理结果;
10、s8、源计量数据修订时,沿治理结果中与修订区间相交的有效贡献路径局部更新,将更新路径回写知识图谱。
11、可选的,所述s1具体包括:
12、s11、提取企业能源计量数据中的计量归属信息和有效时间信息,将计量归属一致的计量记录归入同一记录组;
13、s12、按采集时间排列记录组内的计量记录,核验相邻计量记录的有效时间衔接状态,在时间断开或生效状态变化处切分记录组;
14、s13、合并计量归属一致且有效时间连续的计量记录,保留时间断开位置形成的分段边界,得到计量证据段。
15、可选的,所述s2具体包括:
16、s21、核对计量证据段与能源数据派生结果的归属对应和时间重合,将核对一致的计量证据段关联至能源数据派生结果;
17、s22、读取能源数据派生结果的计算过程,沿计算过程反向追溯计量来源,保留能够连续追溯至计量证据段的派生链;
18、s23、将计量证据段和能源数据派生结果映射为知识图谱节点,将派生链中的转换过程映射为有向边,并在有向边记录实际贡献区间和区间贡献量;
19、s24、按能源数据派生顺序连接有向边,形成计量贡献路径。
20、可选的,所述s3具体包括:
21、s31、读取能源核算口径限定的能源数据派生结果和有效范围,将计量贡献路径的终点与能源数据派生结果对应,截取实际贡献区间与有效范围的重合部分;
22、s32、将终点对应且保有重合区间的计量贡献路径归入同一核算域,将终点不对应或贡献区间无重合的路径保留在原知识图谱;
23、s33、保持核算域内计量贡献路径的有向连接,以截取后的贡献区间限定有向边的有效范围,形成贡献推理对象。
24、可选的,所述改进nbfnet模型包括查询关系嵌入层、多个依次连接的广义关系卷积层和多层感知机。
25、可选的,所述形成末层节点状态具体包括:
26、读取贡献推理对象内的知识图谱节点,按知识图谱节点建立节点状态张量,张量行对应知识图谱节点,张量列对应节点状态特征通道;
27、查询关系嵌入层读取计量贡献关系并形成查询关系表示,指示函数将查询关系表示写入能源数据派生结果对应的节点状态行,将剩余节点状态行置零,形成首层初始边界条件;
28、首个广义关系卷积层的消息函数沿计量贡献路径的反方向读取相邻节点状态和计量贡献关系表示,形成边消息,聚合函数按目标节点归并边消息和首层初始边界条件,形成首层节点状态;
29、截断首层初始边界条件自第二层起注入消息集合的连接,将前一广义关系卷积层形成的节点状态张量写为当前层边界条件,前一层节点状态张量中未保留的贡献范围不从首层初始边界条件补入;
30、当前广义关系卷积层的消息函数沿有效计量贡献路径的反方向形成边消息,聚合函数按目标节点归并边消息和当前层边界条件,经线性变换和激活处理形成当前层节点状态;
31、依次执行节点状态承接和消息归并,直至末个广义关系卷积层形成末层节点状态。
32、可选的,所述s5具体包括:
33、s51、多层感知机读取末层节点状态,按知识图谱节点索引将读出结果对应至核算域内的能源数据派生结果和计量贡献路径,并读取计量贡献路径记录的实际贡献区间和区间贡献量;
34、s52、以能源数据派生结果对应节点为起点,沿知识图谱有向边的反方向逐层遍历计量贡献路径,将同一计量证据段进入相同实际贡献区间的区间贡献量归并;
35、s53、将归并后的区间贡献量与能源数据派生结果的核算量逐区间比对,计算超过核算量的贡献差值,并截取贡献差值对应的连续区间形成异常贡献范围;
36、s54、将异常贡献范围和贡献差值标记至对应计量贡献路径,形成异常贡献路径。
37、可选的,所述s6具体包括:
38、s61、提取异常贡献路径的异常贡献范围边界和贡献差值,编码为run优化算法的候选个体;
39、s62、按龙格库塔斜率推进顺序更新候选个体,计算当前阶段斜率并形成中间候选结果;
40、s63、将中间候选结果临时写入异常贡献路径的计量贡献关系,改进nbfnet模型以更新后的计量贡献关系形成当前层边界条件,重新递推所属核算域并确定剩余异常范围;
41、s64、比对剩余异常范围与临时写入前的异常贡献范围,将范围变化写入下一阶段斜率计算,重复候选个体更新、临时写入和核算域递推;
42、s65、按run优化算法的斜率合成顺序合并各阶段斜率,更新候选个体,将更新后的异常贡献范围边界和贡献差值形成优化修正结果。
43、可选的,所述s7具体包括:
44、s71、对比优化修正结果执行前后的异常贡献范围和有效贡献范围,异常贡献范围缩小且有效贡献范围未减少时保留优化修正结果,否则撤销中间候选结果对计量贡献关系的临时写入;
45、s72、将保留的优化修正结果对应至异常贡献路径,在异常贡献范围边界处切分实际贡献区间,按贡献差值调整切分区间内的区间贡献量;
46、s73、重新归并调整后的区间贡献量,将切分后未超出能源数据派生结果核算量的有向边保持有效,将切分后仍超出核算量的有向边更新为失效状态;
47、s74、汇总调整后的实际贡献区间和有向边有效状态,形成治理结果。
48、可选的,所述s8具体包括:
49、s81、读取源计量数据的修订区间,遍历治理结果中的有效贡献路径,将修订区间与有向边有效区间求交,筛出含有重合区间的有效贡献路径;
50、s82、沿筛出的有效贡献路径,自计量证据段对应节点向能源数据派生结果对应节点逐级定位受影响有向边,截取重合区间并保持非重合区间的区间贡献量和有效状态;
51、s83、将修订后的源计量值写入重合区间,按有向边记录的转换过程逐级重算重合区间内的区间贡献量,并修正受影响有向边的有效区间;
52、s84、将重算后的区间贡献量和修正后的有效区间写回知识图谱中的对应有向边,形成更新路径,未筛出的有效贡献路径保持不变。
53、本发明的有益效果是:
54、本发明通过将企业能源计量数据切分为计量证据段,并在知识图谱中建立计量贡献路径和核算域,能够沿能源数据派生过程追溯实际贡献区间与区间贡献量。通过在同一核算域内归并有效贡献路径,可准确识别重复计入、贡献超额和失效路径,减少传统整体核算方式对多级转换、分摊和汇总过程处理不清的问题。
55、此外,本发明对nbfnet模型中相邻广义关系卷积层之间的边界条件承接方式进行改进,截断首层初始边界条件自第二层起重复注入消息集合的通路,由前层节点状态形成当前层边界条件,避免已经排除的贡献范围重新进入消息聚合过程,提高异常贡献路径识别的准确性和连续性。
56、本发明还通过run优化算法将中间候选结果逐次回写改进nbfnet模型,并利用重新递推得到的剩余异常范围修正下一阶段斜率,从而提高异常贡献路径修正结果的可靠性。源计量数据发生修订时,仅沿与修订区间相交的有效贡献路径执行局部更新,能够缩小重算范围,降低计算量,提高企业能源数据资产治理效率。
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