买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东电网有限责任公司电力调度控制中心

摘要：本发明公开的属于数据处理技术领域，具体为一种基于无监督学习技术的调控业务编排代理方法，包括取业务编排模块中的业务数据参数，将业务数据参数中具有标签的数据划分到相对应的数据区段中，对划分后的数据通过业务规则编排模块进行业务规则的编排，本发明通过对业务数据参数根据标签进行初步划分，对业务数据进行分类，同时在对没有标签的数据进行分类标签提取，从而完成对没有标签数据的划分，最后再将分类标签提取失败的数据通过学习算法找到特征分布，标注得到相接近的数据参数标签，在数据与模型参数不匹配时，仍然能够通过多道处理方法实现对数据的编排，提高业务编排的灵活性与系统的自适应性。

主权项：1.一种基于无监督学习技术的调控业务编排代理方法，其特征在于：包括以下步骤：步骤1：接入数据，获取业务编排模块中的待编排订单信息，并提取业务编排模块中的业务数据参数；步骤2：将业务数据参数中具有标签的数据划分到相对应的数据区段中，对划分后的数据通过业务规则编排模块进行业务规则的编排，并根据编排后数据之间的依赖关系预设数据优先级；所述步骤2中对数据的编排包括以下步骤：步骤A：新增数据流；步骤B：创建数据流节点；步骤C：配置数据流；所述步骤B中数据流节点包括数据输入节点、数据处理节点与数据输出节点，所述步骤C中配置数据流包括配置调度与配置变量；所述步骤2中根据编排后数据之间的依赖关系预设数据优先级为在同一数据区段中的两个数据之间的处理逻辑是否存在依赖关系，存在依赖关系则将两个数据之间的优先级设为并列处理，不存在依赖关系则将两个数据之间的优先级设有分列处理；步骤3：对业务数据参数中没有标签的数据进行分类标签提取，从而将没有标签的数据标注上与数据区段相接近的数据参数标签，并归类到相对应的数据区段中，重复步骤2中编排与预设数据优先级的步骤；所述步骤3中分类标签提取为将没有标签的数据的每个特征与各数据区段中的样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据的分类标签；步骤4：将步骤3中分类标签提取失败的业务数据参数采用学习算法找到业务数据参数特征分布，在进行标注分类得到与数据区段相接近的数据参数标签，并对其归类到数据区段中，重复步骤2中编排与预设数据优先级的步骤；所述步骤4中的学习算法的步骤是：S1：选K个初始聚类中心，z11，z21，…，zK1，其中括号内的序号为寻找聚类中心的迭代运算的次序号，选开始的K个模式样本的向量值作为初始聚类中心；S2：逐个将需分类的模式样本{x}按最小距离准则分配给K个聚类中心中的某一个zj1，假设i＝j时，则其中k为迭代运算的次序号，第一次迭代k＝1，Sj表示第j个聚类，其聚类中心为zj；S3：计算各个聚类中心的新的向量值，zjk+1，j＝1,2,…,K；求各聚类域中所包含样本的均值向量，并使用该均值更新聚类中心：其中Nj为第j个聚类域Sj中所包含的样本个数，以均值向量作为新的聚类中心，在这一步中要分别计算K个聚类中的样本均值向量；S4：重复步骤2与3，直到达到以下条件之一：质心的位置变化小于指定的阈值；达到最大迭代次数；步骤5：对步骤2中完成数据优先级的数据进行排序，生成业务订单。

全文数据：

权利要求：

百度查询： 广东电网有限责任公司电力调度控制中心 一种基于无监督学习技术的调控业务编排代理方法及系统