(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111532844.7 (22)申请日 2021.12.15 (71)申请人 广东电力 信息科技有限公司 地址 510000 广东省广州市越秀区东 风东 路808号5 09房 (72)发明人 杨永娇　冼文祥　曾朝霖　 (74)专利代理 机构 南京理工信达知识产权代理 有限公司 32542 代理人 彭甲临 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种基于电力行业营销系统实时数据的预 测方法 (57)摘要 本发明提供了一种基于电力行业营销系统 实时数据的预测方法， 其特征在于， 包括如下步 骤： S1： 筛选有效数据作为训练数据集， 学习训练 有效数据； S2： 经过多轮学习算法的迭代后， 对样 本数据进行集成、 清洗， 并将得到的数据进行智 能算法应用； S3： 优化方法模型参数， 进而估算未 来数据的概率值， 概率最大的数据作为预测值； S4： 将步骤S3中所得预测值与往日实际数据相比 较获取偏差值， 根据偏差值的大小来进行预警。 本发明根据业务走向， 结合人工智能算法， 对未 来数值进行预测。 这样便能在问题发生前， 业务 人员对问题数据进行观察及 进行人工干预， 提前 将问题数据进行矫正。 无需待问题发生后再进行 处理， 切实提供营销系统抄核收业务的时效及准 确性。 权利要求书1页 说明书5页 附图1页 CN 114202366 A 2022.03.18 CN 114202366 A 1.一种基于电力行业营销系统实时数据的预测方法， 其特 征在于， 包括如下步骤： S1： 筛选有效数据作为训练数据集， 学习训练有效数据； S2： 经过多轮学习算法的迭代后， 对样本数据进行集成、 清洗， 并将得到的数据进行智 能算法应用； S3： 优化方法模型参数， 进 而估算未来数据的概 率值， 概率最大的数据作为预测值； S4： 将步骤S3中所得预测值与往日实际数据相比较获取偏差值， 根据偏差值的大小来 进行预警。 2.根据权利要求1所述的基于电力行业营销系统实时数据的预测方法， 其特征在于： 所 述步骤S1中， 筛选数据是通过数据筛选工具实现的， 定期校核源端与目标端 数据一致性， 并 对有差异的数据生成处理脚本， 继而实现数据筛选； 此外还包括数据同步工具， 过数据传输 工具， 将源端数据库数据变更信息写入到kafka中； 成功写入后， 根据配置的映射规则， 对 kafka中的消息进行 处理、 映射、 赋值等操作， 并最 终写入到目标端数据库中； 具体同步过程 如下： 进行同步 规则配置、 进行同步 规则缓存、 数据同步以及数据同步日志存 储。 3.根据权利要求1所述的基于电力行业营销系统实时数据的预测方法， 其特征在于： 所 述步骤S3中， 优化方法模型参数通过建立对比差异数据模型 方式实现， 具体步骤如下： S3.1： 建立库表对比模型： 根据数据库的库表分类要素， 分析差异， 包括各库独有的表， 以及共有的表； 同时分析共有的表的表结构， 包括独有字段、 字段名 称、 字段类型、 字段长 度、 字段精度； 系统分析对比后会生成差异sql； S3.2： 建立视图对比模型： 根据数据库的视图分类要素， 分析差异， 包括各库独有 的视 图， 以及共有的视图； 同时也能分析共有的视图的结构， 包括独有字段、 字段名称、 字段类 型、 字段长度、 字段精度； 系统分析对比后会生成差异sql； S3.3： 建立存储过程对比模型： 根据数据库的存储过程分类要素， 分析差异， 系 统分析 对比后会生成差异sql； S3.4： 建立包对比模型： 根据数据库的包分类要素， 分析差异， 包括各库独有的包， 以及 共有的包里包 含的存储过程差异， 系统分析对比后会生成差异sql； S3.5： 建立触发器对比模型： 根据数据库的触发器分类要素， 分析差异， 系 统分析对比 后会生成差异sql； S3.6： 建立方法对比模型： 根据数据库的方法分类要素， 分析差异， 系 统分析对比后会 生成差异sql； S3.7： 建立序列对比模型： 根据数据库的序列分类要素， 分析差异， 包括各库独有 的序 列， 以及共有的序列的当前值是否一 致， 系统分析对比后会生成差异sql。 S3.8： 建立索对比异模型： 根据数据库的索引分类要素， 分析差异， 如 各库独有的索引， 以及共有的索引依赖的表和字段 是否一致， 系统分析对比后会生成差异sql； 最后， 根据比对在运生产环境和待发布环境的数据库结果的差异， 系统根据模型分析 后生成差异sql， 可以通过 执行sql弥补差异。权　利　要　求　书 1/1 页 2 CN 114202366 A 2一种基于电力行业 营销系统实时数据的预测方 法 技术领域 [0001]本发明涉及电力行业营销系统实时数据领域， 具体涉及基于电力行业营销系统实 时数据的预测方法 背景技术 [0002]现有电力行业营销中的抄核收业务， 带有十分高的时效性与准确性， 作为电力营 销业务流程的重要环节， 电力抄 核收工作的时效性， 将直接影响各供电单位的营收策略， 也 无法将用电情况及时反馈给各客户。 工作的准确 性直接影响到电力企业的经济效益， 一旦 出现电力抄核收差错， 势必会给电力企业造成不必要的经济损失， 同时破坏电力企业在用 户心中的形象， 因此电力企业必须加强管理， 积极采取必 要的手段和措施， 尽量降低电力 抄 核收差错的发生 率。 发明内容 [0003]本发明通过筛选有效数据作为训练数据集， 通过学习训练有效数据， 经过多轮学 习算法的迭代后， 对样本数据进行集成、 清洗， 并将得到的数据进行智能算法应用， 优化本 公开提供的方法模型参数， 进而估算未来数据的概率值， 概率最大的数据作为预测值， 与往 日实际数据相比较获取偏差值， 根据偏差值的大小来进行 预警。 [0004]为实现上述目的， 本发明采用了如下技 术方案： [0005]一种基于电力行业营销系统实时数据的预测方法， 其特 征在于， 包括如下步骤： [0006]S1： 筛选有效数据作为训练数据集， 学习训练有效数据； [0007]S2： 经过多轮学习算法的迭代后， 对样本数据进行集成、 清洗， 并将得到的数据进 行智能算法应用； [0008]S3： 优化方法模型参数， 进而估算未来数据的概率值， 概率最大的数据作为预测 值； [0009]S4： 将步骤S3中所得预测值与往日实际数据相比较获取偏差值， 根据偏差值的大 小来进行 预警。 [0010]所述步骤S1中， 筛选数据是通过数据筛选工具实现的， 定期校核源端与目标端数 据一致性， 并对有差异的数据生成处理脚本， 继而实现数据筛选； 此外还包括数据同步工 具， 过数据传输工具， 将源端 数据库数据变更信息写入到kafka中； 成功写入后， 根据配置的 映射规则， 对kafka中的消 息进行处理、 映射、 赋值等操作， 并最终写入到目标端数据库中； 具体同步过程如下： 进 行同步规则配置、 进 行同步规则缓存、 数据同步以及数据同步日志存 储。 [0011]所述步骤S2中， 对数据进行应用过程如下： [0012]S2.1应用程序版本管理： [0013]S2.1.1版本维护： 每次新版本发布， 都需要维护新的程序版本， 包括上传程序包、 程序版本号、 版本描述、 计划发布时间、 实际发布时间；说　明　书 1/5 页 3 CN 114202366 A 3