[发明专利]一种基于电力交易平台的结算单数据分析方法及系统在审

专利信息
申请号: 202310375015.5 申请日: 2023-04-10
公开(公告)号: CN116627907A 公开(公告)日: 2023-08-22
发明(设计)人: 朱帮德;李涛;康海锋;狄国巧;杨旭;陈辅沛 申请(专利权)人: 甘肃中电瓜州风力发电有限公司
主分类号: G06F16/14 分类号: G06F16/14;G06F16/16;G06F40/205;G06V30/146;G06V30/19;G06V30/413
代理公司: 北京佰智蔚然知识产权代理有限公司 37285 代理人: 赵奕
地址: 736100 甘*** 国省代码: 甘肃;62
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 电力 交易平台 结算 数据 分析 方法 系统
【权利要求书】:

1.一种基于电力交易平台的结算单数据分析方法,其特征在于,包括:

获取结算单文件;

对所述结算单文件进行解析;

对从所述结算单文件中提取的数据进行计算和分析以得到分析结果;以及

以表格和/或图表的形式来展示所述分析结果。

2.根据权利要求1所述的基于电力交易平台的结算单数据分析方法,其特征在于,对所述结算单文件进行解析,包括:

读取一个所述结算单文件;

抽取所述结算单文件中的文字信息;

根据结算单文件格式,对抽取的所述文字信息进行逐行校验;

去除所述结算单文件中的水印;

从所述文字信息中抽取结算单字段;以及

保存所述结算单字段数据。

3.根据权利要求2所述的基于电力交易平台的结算单数据分析方法,其特征在于,去除所述结算单文件中的水印,包括:

获取结算单文件的图像;

对所述结算单文件的图像进行图像预处理以得到预处理后结算单文件的图像;

将所述预处理后结算单文件的图像通过目标感兴趣网络以得到感兴趣区域图像;

将所述感兴趣区域图像进行图像分块处理后通过包含嵌入层的图像语义编码器以得到分类特征向量;

对所述分类特征向量进行耿贝尔正态周期性重参数化以得到优化后分类特征向量;以及

将所述优化后分类特征向量通过分类器以得到分类结果,所述分类结果用于表示结算单文件中是否存在水印。

4.根据权利要求3所述的基于电力交易平台的结算单数据分析方法,其特征在于,所述目标感兴趣网络为CenterNet、ExtremeNet、RepPoints、YOLOv1或FCOS。

5.根据权利要求4所述的基于电力交易平台的结算单数据分析方法,其特征在于,将所述感兴趣区域图像进行图像分块处理后通过包含嵌入层的图像语义编码器以得到分类特征向量,包括:

对所述感兴趣区域图像进行图像分块以得到感兴趣区域图像块的序列;

使用所述嵌入层分别对所述感兴趣区域图像块的序列中各个感兴趣区域图像块进行嵌入化以得到感兴趣区域图像块嵌入向量的序列;以及

将所述感兴趣区域图像块嵌入向量的序列通过所述图像语义编码器以得到所述分类特征向量。

6.根据权利要求5所述的基于电力交易平台的结算单数据分析方法,其特征在于,对所述分类特征向量进行耿贝尔正态周期性重参数化以得到优化后分类特征向量,包括:

以如下优化公式对所述分类特征向量进行耿贝尔正态周期性重参数化以得到所述优化后分类特征向量;

其中,所述优化公式为:

其中,vi表示所述分类特征向量的各个位置的特征值,μ和σ分别是所述分类特征向量的各个位置的特征值集合的均值和方差,arcsin(·)表示反正弦函数,log表示以2为底的对数函数,arccos(·)表示反余弦函数,vi′表示所述优化后分类特征向量的各个位置的特征值。

7.根据权利要求6所述的基于电力交易平台的结算单数据分析方法,其特征在于,将所述优化后分类特征向量通过分类器以得到分类结果,所述分类结果用于表示结算单文件中是否存在水印,包括:

使用所述分类器的全连接层对所述优化后分类特征向量进行全连接编码以得到编码分类特征向量;以及

将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。

8.一种基于电力交易平台的结算单数据分析系统,其特征在于,包括:

结算单文件获取模块,用于获取结算单文件;

结算单文件解析模块,用于对所述结算单文件进行解析;

分析计算模块,用于对从所述结算单文件中提取的数据进行计算和分析以得到分析结果;以及

报表模块,用于以表格和/或图表的形式来展示所述分析结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于甘肃中电瓜州风力发电有限公司,未经甘肃中电瓜州风力发电有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310375015.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top