【#第一文档网# 导语】以下是®第一文档网的小编为您整理的《电力大数据的可视化展现技术》，欢迎阅读！
电力大数据的可视化展现技术 摘要：目前随着电网内部系统中各类业务数据上云，越来越多数据维度的出现和交互并开始发生关联，数据量及统计对象属性的增加，此时要想为数据可视化提供详细的总结和简单直观的表达，对传统的图表图形提出更高的要求。传统的柱状图、饼图很难直观的进行表达，尤其在数据量非常大的情况下。一方面很难快速流畅同时展现这么多数据；另一方面也没有直观的表达出用户关注的重点，导致本来很多的分析结果却不能带给用户清晰明了的结果，反而让用户在琳琅满目的分析结果前不知所措。因此，为了有效提高电力企业大数据分析结果的有效展示能力，找到之前没有发现的关注点，发现各个数据之间潜在的管理，最终辅助企业经营者进行更好的决策和优化。 关键词：电力大数据；可视化；技术 引言 随着电力业务上云和大数据分析工具及数据挖掘工具的不断出现，带来了越来越多量大和维度高的数据。文中概述了传统电力数据的特征及展现的特点以及其存在的局限，提出了通过层次化、网格化、坐标化、地图化及三维和动画的场景适配来适应电力大数据的可视化，并对电网企业可视化技术应用提出了建议。 1电力数据的特点 南方电网公司在“十二五”信息化整体规划中推动“6+1”企业级信息系统的建设，形成了资产管理（投资计划管理、物资管理、项目管理、安全生产管理、固定资产管理）、营销管理系统、人力资源管理系统、财务管理系统、协同办公系统、综合管理系统（审计、法务、财务在线审计、监察管理）和决策支持平台。 传统电力系统中的数据是分布在不同的系统中，很多业务数据都只能在自己的系统中进行使用和查看，从而形成了各自的孤岛，只有少部分工单是在多个系统中进行流转。当时各个系统也只能展现自己业务内关心的简单数据统计图表。随着上云之后，例如之前发生停电，生产调度系统可以知道哪些线路的情况，但是客服那边并不能及时得知哪些用户发生了停电直到用户打入电话进行投诉，同时在电网规划的时候，调度系统结合实际的客服数据比较少，对于新投营业厅、推广新渠道存在一定的不足。 2可视化系统实现 2.1可视化逻辑过程 （1）用户点击界面，然后由Shiro权限管理用户拥有哪些权限； （2）审核用户身份后进入Controllor模块，更具用户的请求进入相应的逻辑模块； （3）控制模块会去调用Service及Dao接口，由Spring完成数据的注入； （4）把Dao的方法映射到具体数据库层的Mapper配置文件，获取数据。 （5）最后渠道的数据会通过注入或者Json的方式传到前端界面，通过表格组建、图标引擎、Echats组建及OpenGL引擎分别展现出表单数据、图标数据、多维度的展现数据和三维的交互界面，见图1。 图1 2.2层次化数据可化 数据展示目标是为了理解数据在层次之间的分布。例如对于基于地区的用电数据，想要知道不同地区的用电数量，通过在相同层次上突出不同地区的用电数量可以快速了解不同区域用电量分布，也能理解特定区域内用电分布情况。特点是通过聚合数据减小提供过多大粒度数掘时带来的信息过载。层次数据可视化支持用户从不同级别查看所关心的数据详细信息，在显示特定级别数据吋隐藏无关信息，见图2。 图2 2.2.1节点布局 2.2.2空间填充 传统的节点、边布法使用边连接表示树结构，空间填充布局通过节点嵌卷来描述树结构。空间填充法的核心思想是将整个层次映射到一个矩形区域，通过叶点的布来展示所有内部节点的关系，提高可用空间利用率。例如图3，可以查看到每个供电局下面欠费风险用户占比的一个分布情况。 图3 2.3网络状数据可视化 图数据最常用的绘制方法为节点连接法，数据中的顶点通常在图形中表示为圆圈、正方形或者文本标记，边通常表示为欧几里得几何平面的线条、多边线。节点链接法最早可以追溯到世纪的研究。桑基图和力导向图绘制都是常见的基于节点边连接的图绘制算法，在图绘制时有效展示数据内部关系的同时取得了良好的美学效果，多维数据可视化工具中引入了这两种图形。在对有向图进行绘制时，通常在图形中使用箭头来表示边所指的方向，使用沿着方向宽度递减的方法也能达到很好的效果。 2.4平行坐标可视化 平行坐标是信息可视化的一种重要技术，是多维空间的二维表。为了克服传统的笛卡尔直角坐标系容易耗尽空间、难以表达三维以上数据的问题，平行坐标将高维数据的各个变量用一系列相互平行的坐标轴表示，变量值对应轴上位置。为了反映变化趋势和各个变量间相互关系，往往将描述不同变量的各点连接成折线。所以平行坐标图的实质是将维欧式空间的一个点i（xi1，xi2，...，xim）映射到维平面上的一条曲线，见图4。 图4 2.5地理信息可视化 地图坐标：地图坐标是将地球进行二维抽象，同时地球表面的对象进行坐标转换，转换为具体的经纬度。通过这个重要的数据化过程来划分国家地区范围，并通过参数具体表达对象在该坐标系的范围，最终来模拟真实地理环境。基于地图建立图层：依据基础地图服务，我们可以通过建立图层进行更丰富的展示。 2.6三维可视化 与传统数据展现最大的区别，有时候实时的数据走势能反映出当前或近一段时间的突然变化情况，例如渠道缴费和停电发生的及时展现，这种趋势的反映可以帮助管理人员快速实时的做出可行的决策，见图5。 图5 3基于三维场景的电力数据可视化 八叉树是一种适用于进行大规模三维场景仿真的数据结构。八叉树是基于二叉树原理面向三维空间的拓展，通过对整个三维空间的递归划分，实现对基于三维空间包围盒的网格化分割。其原理如图6所示。 图6 八叉树原理 在八叉树的数据视图中，数据树的节点对应被分割的三维场景立方体单元，每个数据节点映射８个子数据节点。如果严格按照八叉树数据结构对三维场景进行分割，就会出现场景内部物体被多个单元分割且单元之间包含的数据量不均衡等问题。由此引出将一些具有共同三维特征的单元进行合并，并依据三维坐标次序对三维场景的各个分割单元进行优化排序，从而实现对分割后的三维场景内部物体的快速检索和定位的目的。按照上述理论进行三维场景分割，不免会出现三维场景内部物体被切割到不同的单元中，产生物体只能定位在上层单元的数据节点上，如果这种情况出现次数过多，就会导致上层单元挂接的物体过多，影响算法效率。为此，在挂接物体时引入松散参数（loose）理论。这个理论指出物体当且仅当满足以下2个条件就能挂接在当前子单元中：中心点坐标位于节点空间内，且半径满足R×loose＜2R。其中，R为节点半径。这样既避免了父单元挂接过多的原本属于单元的物体，也有效解决了同一物体不同单元分割的歧义性，提高物体分割的效率。 结语 通过对电力数据的特征研究，更具层次化、网状化、平行坐标化、地理坐标化以及三位等可视化技术的呈现，可以给用户带来更加直观的效果和更加丰富的数据呈现方式。 参考文献： [1]李晓梅，黄朝晖，蔡勋等并行与分布式可视化技术及应用[M].北京：北京国防工业出版社，2001. [2]陈文伟，黄金才数据仓库与数据挖掘[M].北京：北京人民邮电出版社，2004. [3]涂聪大数据时代背景下的数据可视化应用研究[J].电子制作，2013（05）：118. [4]范金城.梅长林数据分析[M].北京：科学出版社，2002：1-7. [5]陈为，张嵩.鲁爱东数据可视化的基本原理与方法[M].北京：科学出版社，2013. 本文来源：https://www.dywdw.cn/86b8df98ad45b307e87101f69e3143323868f5db.html
下载此文档
搜索文档
阅读：
文档下载
2023-01-25
