电力行业能源大数据平台

星环大数据基础平台
星环大数据基础平台(TDH) 是星环自主研发的一站式多模型大数据基础平台,包括多个大数据存储与分析产品,能够存储 PB 级别的海量数据,可以处理包括关系表、文本、时空地理、图数据、文档、时序、图像等在内的多种数据格式,提供高性能的查询搜索、实时分析、统计分析、预测性分析等数据分析功能。目前 TDH 已经在政府、金融、能源、制造业等十多个行业内落地,支撑如金融风控与营销、智慧制造、城市大脑、智慧交通等多种核心行业应用。

电力行业能源大数据平台 更多内容

模型入局,电力行业缘何心动?在数字化浪潮下,模型已成为众多行业转型升级的关键驱动力。从互联网到金融,从医疗到教育,模型的应用无处不在,正深刻改变着各行业的运作模式和发展轨迹。据相关数据显示,中国大模型行业市场涵盖自然语言处理、计算机视觉等多个应用领域,其发展势头迅猛,潜力巨大。在这样的背景下,电力行业也敏锐地捕捉到了模型带来的机遇,积极探索其在电力领域的应用。电力行业作为国民经济的重要支柱,正面临着从传统运营向数智化管理的深刻转变。随着能源结构的调整和电力需求的不断增长,电力系统的复杂性日益增加,传统的技术手段和管理模式已难以满足行业发展的需求。而模型凭借其强大的数据分析、处理和预测能力,为电力行业的数智化转型提供了新的契机。它能够帮助电力企业更高效地管理资源、提高系统的可靠性和稳定性,降低运行成本,并更好地满足环境保护要求,推动电力行业向绿色、智能、可持续的方向发展。模型为电力行业带来的变革大模型的引入,为电力行业带来了全方位的变革,从设备运维到电力调度,从客户服务到能源规划,其应用正重塑着电力行业的运作模式,为行业的高质量发展注入强大动力。智能运维,让隐患无处遁形在
模型入局,电力行业缘何心动?在数字化浪潮下,模型已成为众多行业转型升级的关键驱动力。从互联网到金融,从医疗到教育,模型的应用无处不在,正深刻改变着各行业的运作模式和发展轨迹。据相关数据显示,中国大模型行业市场涵盖自然语言处理、计算机视觉等多个应用领域,其发展势头迅猛,潜力巨大。在这样的背景下,电力行业也敏锐地捕捉到了模型带来的机遇,积极探索其在电力领域的应用。电力行业作为国民经济的重要支柱,正面临着从传统运营向数智化管理的深刻转变。随着能源结构的调整和电力需求的不断增长,电力系统的复杂性日益增加,传统的技术手段和管理模式已难以满足行业发展的需求。而模型凭借其强大的数据分析、处理和预测能力,为电力行业的数智化转型提供了新的契机。它能够帮助电力企业更高效地管理资源、提高系统的可靠性和稳定性,降低运行成本,并更好地满足环境保护要求,推动电力行业向绿色、智能、可持续的方向发展。模型为电力行业带来的变革大模型的引入,为电力行业带来了全方位的变革,从设备运维到电力调度,从客户服务到能源规划,其应用正重塑着电力行业的运作模式,为行业的高质量发展注入强大动力。智能运维,让隐患无处遁形在
智能决策平台建设方案》获得AAA级优秀解决方案奖颁奖典礼星环科技就有关如何助力电力行业实现数字化转型提出优秀解决方案。星环科技电力行业资深架构师夏业超分享《数据智能在电力行业的应用场景与实践》主题演讲高质量发展与行业专家、企业代表作深入的交流探讨。夏业超分享《数据智能在电力行业的应用场景与实践》主题演讲星环科技多年来深耕于电力领域,项目范围覆盖发、输、变、配、用等五环节,从落地项目中孕育出11月18日-19日,2020年全国电力行业两化融合推进会暨电力企业信息化会在福建福州召开,中国电力企业联合会副秘书长沈维春、国网福建公司副总经理李功新出席会议并致辞。将近200名行业专家、企业。夏业超从数字化转型背景下电力数据智能发展情况探讨、电力行业智能运检场景与实践、数据智能在电力数据分析领域的应用和电力知识图谱的场景与应用等四个方面展开讲解,就如何进一步推动电力数据化转型,助力电力智能数字化应用提供可视化底层基础。目前,星环科技的产品和技术依托自身的创新和发展能力,可以帮助更多的企业减低数字化转型的技术风险,同时星环科技的产品又可以满足与企业数字化转型的扩展性要求。展望未来,星环科技将进一步助力电力行业的数字化转型,数字赋能更多领域实现智慧平台应用落地。
模型入局,电力行业缘何心动?在数字化浪潮下,模型已成为众多行业转型升级的关键驱动力。从互联网到金融,从医疗到教育,模型的应用无处不在,正深刻改变着各行业的运作模式和发展轨迹。据相关数据显示,中国大模型行业市场涵盖自然语言处理、计算机视觉等多个应用领域,其发展势头迅猛,潜力巨大。在这样的背景下,电力行业也敏锐地捕捉到了模型带来的机遇,积极探索其在电力领域的应用。电力行业作为国民经济的重要支柱,正面临着从传统运营向数智化管理的深刻转变。随着能源结构的调整和电力需求的不断增长,电力系统的复杂性日益增加,传统的技术手段和管理模式已难以满足行业发展的需求。而模型凭借其强大的数据分析、处理和预测能力,为电力行业的数智化转型提供了新的契机。它能够帮助电力企业更高效地管理资源、提高系统的可靠性和稳定性,降低运行成本,并更好地满足环境保护要求,推动电力行业向绿色、智能、可持续的方向发展。模型为电力行业带来的变革大模型的引入,为电力行业带来了全方位的变革,从设备运维到电力调度,从客户服务到能源规划,其应用正重塑着电力行业的运作模式,为行业的高质量发展注入强大动力。智能运维,让隐患无处遁形在
电力行业数据治理产品:赋能智慧能源新时代随着数字化转型的加速,电力行业正面临海量数据的爆发式增长。从发电、输电、配电到用电,每个环节都产生大量数据,如何有效管理、挖掘和利用这些数据,成为电力企业提升专业的数据治理产品,电力企业可以释放数据价值,提升运营效率,推动能源行业的智能化、绿色化发展。未来,随着技术的进步,数据治理将成为电力行业数字化转型的核心引擎。运营效率、保障电网安全、实现低碳目标的关键。数据治理产品应运而生,为电力行业提供系统化的数据管理解决方案。电力行业数据治理的挑战电力行业数据具有以下特点:1.数据来源复杂:包括智能电表、EMS(能量要求。4.实时性要求高:电网调度、故障监测等场景需要低延迟数据处理。传统的数据管理方式难以应对这些挑战,而专业的数据治理产品能提供更高效的解决方案。电力行业数据治理产品的核心功能数据治理产品通过预测能力。2.边缘计算应用:在靠近数据源的位置(如变电站)进行实时处理,降低延迟。3.区块链技术:增强数据可信度,实现电力交易数据的透明可追溯。结语电力行业数据治理不仅是技术问题,更是战略问题。通过
的知识资产,提高业务效率和决策能力。电力行业知识图谱的构建可以涉及电力工程技术、电力市场、能源政策等多个方面的知识内容,具体包括电力设备、电力系统、电力负荷、电力供应链、发电模式、电力市场结构、电力电力行业知识图谱是通过对电力领域知识进行系统整理和分类,构建出具有层次结构和关联关系的图谱,以便于电力领域的人员快速定位和获取所需的知识和信息。知识图谱可以帮助电力企业和机构更地管理和利用所拥有政策法规等诸多方面。通过建立知识体系,将这些知识内容进行分类、整理、归纳、关联和充,并将其呈现为可视化的图谱,可以使人们更清晰地了解电力行业的知识结构和关键要素,有助于提高电力行业的整体竞争力和可持续发展抽取、多模态知识存储与融合、多形式知识计算和推理以及多维度的图谱分析。除了具备链路完备性,平台还从业务场景出发,沉淀了金融、保险等场景的图数据模型、规则模型和算法模型,可以帮助用户快速解决不同场景下的能力。星环知识图谱平台-Sophon星环科技自主研发的知识图谱平台Sophon是一款覆盖知识全生命周期,集知识的采集、建模、融合、存储、计算及应用为一体的知识图谱产品。平台支持低代码图谱构建、智能化知识
电力行业数据治理产品:赋能智慧能源新时代随着数字化转型的加速,电力行业正面临海量数据的爆发式增长。从发电、输电、配电到用电,每个环节都产生大量数据,如何有效管理、挖掘和利用这些数据,成为电力企业提升专业的数据治理产品,电力企业可以释放数据价值,提升运营效率,推动能源行业的智能化、绿色化发展。未来,随着技术的进步,数据治理将成为电力行业数字化转型的核心引擎。运营效率、保障电网安全、实现低碳目标的关键。数据治理产品应运而生,为电力行业提供系统化的数据管理解决方案。电力行业数据治理的挑战电力行业数据具有以下特点:1.数据来源复杂:包括智能电表、EMS(能量要求。4.实时性要求高:电网调度、故障监测等场景需要低延迟数据处理。传统的数据管理方式难以应对这些挑战,而专业的数据治理产品能提供更高效的解决方案。电力行业数据治理产品的核心功能数据治理产品通过预测能力。2.边缘计算应用:在靠近数据源的位置(如变电站)进行实时处理,降低延迟。3.区块链技术:增强数据可信度,实现电力交易数据的透明可追溯。结语电力行业数据治理不仅是技术问题,更是战略问题。通过
电力行业数据治理产品:赋能智慧能源新时代随着数字化转型的加速,电力行业正面临海量数据的爆发式增长。从发电、输电、配电到用电,每个环节都产生大量数据,如何有效管理、挖掘和利用这些数据,成为电力企业提升专业的数据治理产品,电力企业可以释放数据价值,提升运营效率,推动能源行业的智能化、绿色化发展。未来,随着技术的进步,数据治理将成为电力行业数字化转型的核心引擎。运营效率、保障电网安全、实现低碳目标的关键。数据治理产品应运而生,为电力行业提供系统化的数据管理解决方案。电力行业数据治理的挑战电力行业数据具有以下特点:1.数据来源复杂:包括智能电表、EMS(能量要求。4.实时性要求高:电网调度、故障监测等场景需要低延迟数据处理。传统的数据管理方式难以应对这些挑战,而专业的数据治理产品能提供更高效的解决方案。电力行业数据治理产品的核心功能数据治理产品通过预测能力。2.边缘计算应用:在靠近数据源的位置(如变电站)进行实时处理,降低延迟。3.区块链技术:增强数据可信度,实现电力交易数据的透明可追溯。结语电力行业数据治理不仅是技术问题,更是战略问题。通过
电力行业数据治理产品:赋能智慧能源新时代随着数字化转型的加速,电力行业正面临海量数据的爆发式增长。从发电、输电、配电到用电,每个环节都产生大量数据,如何有效管理、挖掘和利用这些数据,成为电力企业提升专业的数据治理产品,电力企业可以释放数据价值,提升运营效率,推动能源行业的智能化、绿色化发展。未来,随着技术的进步,数据治理将成为电力行业数字化转型的核心引擎。运营效率、保障电网安全、实现低碳目标的关键。数据治理产品应运而生,为电力行业提供系统化的数据管理解决方案。电力行业数据治理的挑战电力行业数据具有以下特点:1.数据来源复杂:包括智能电表、EMS(能量要求。4.实时性要求高:电网调度、故障监测等场景需要低延迟数据处理。传统的数据管理方式难以应对这些挑战,而专业的数据治理产品能提供更高效的解决方案。电力行业数据治理产品的核心功能数据治理产品通过预测能力。2.边缘计算应用:在靠近数据源的位置(如变电站)进行实时处理,降低延迟。3.区块链技术:增强数据可信度,实现电力交易数据的透明可追溯。结语电力行业数据治理不仅是技术问题,更是战略问题。通过
产品文档
5.10 任务相关
在Hippo中,比较耗时的操作如激活、加载向量索引实际上是一个分布式任务,用户可以通过任务相关接口查看、删除任务。查看任务curl-ushiva:shiva-XGET"localhost:8902/hippo/v1/_jobs?pretty"-H'Content-Type:application/json'-d'{"job_ids":["fc6feff4f303455a9347f9aab323dfc8"],"action_patterns":["hippo*"]}';返回结果:{"jobs":[{"job_id":"810935a1d91a46b7af2ec35013454fed","job_status":"SHIVA_JOB_SUCCESS","embedding_number":100,"task_results":[{"id":"54ab52493dfb4bab9fb7742d850c64c4","status":"TASK_SUCCESS","server":"172.29.40.26:27841","embedding_number":100,"execute_time":...
查看Master节点通过以下命令,查看集群Master节点信息:curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/master?v'返回结果:epochtimestampactive.master.hostactive.master.portmaster.group169079683909:47:19172.29.203.18926841172.29.203.189:26841,172.29.203.189:26851,172.29.203.189:26861查看数据节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes?v'//查看所有节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes/{node}?v'//{node}表示待匹配的节点地址,支持以*通配,支持指定多个pattern,多个pattern以逗号分割返回结果:
产品文档
8 性能分析
本节测试主要描述了Hippo1.0在关键测试上的一些性能表现,该份测试同样也是Hippo的基准测试,后续版本发布也会在不同版本上进行该测试进行对比分析。术语表142.Hippo性能测试术语TermDescriptionnq一次搜索请求中搜索的向量个数topk一次请求中对于要检索的每个向量(依赖nq),所能检索到最近距离的向量个数RT一次请求从发起到接受响应的时间]QPS请求在每秒内成功执行的次数dataset测试所用数据集,不同数据集表示不同的业务场景测试集群配置硬件配置表143.性能测试硬件配置硬件规范Nodes3CPUIntel®Xeon®Gold5218RCPU@2.10GHzMemory16*\16GBRDIMM,3200MT/sDISKNVMeSSD2T*4GPUNONE软件配置表144.性能测试软件配置软件版本Hippov1.2TranswarpManagerTDH9.3.0测试集表145.性能测试数据集数据集名称数据集介绍向量维度向量总数查询数量数据总量距离类型Sift-128-euclidean该数据集是基于Texmex的数据集整理,使用SIFT算法得到的图片特征向量。...
产品文档
5.7 查询类操作
过滤条件表达式Hippo当前支持如下表达式,可用于标量或向量查询。表46.过滤条件表达式表达式描述and当前版本支持and,不支持or/not==等值<小于⇐小于等于>大于>=大于等于inin[1,2,3]notinnot_in[1,2,3]like'_'表示匹配任一字符,'%'表示匹配任意字符,'\'为转义符向量相似性检索本节描述如何进行向量相似度搜索。Hippo中的向量相似性搜索计算查询向量与表中向量的距离,返回最相似的结果集。通过指定标量过滤条件,用户可以进行向量与标量的混合搜索。curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/{table}/_search?pretty'-H'Content-Type:application/json'-d'{"output_fields":["book_id"],"search_params":{"anns_field":"book_intro","topk":2,"params":{"nprobe":10},"embedding_index":"ivf_flat_index"}...
产品文档
2 Quick Start
ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...
产品文档
1 Introduction
OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...
产品文档
10 Hippo 运维
运维管理界面WebserverWebserver是Hippo提供运维监控的界面。默认访问地址为:4567"class="bare">http://<webserver_ip>:4567。或者在Manager管理界面我们可以通过下图所示的查看链接这里进行跳转。图15.登录HippoWebserverWebserver主要由下面几个部分构成。概况图16.概况该页面展示了Hippo集群的基本信息,包括:Masterstatus:当前的ActiveMaster,MasterGroup,MasterAddress,Master的健康状态TabletServerStatus:TabletServerAddress,健康状态,逻辑机架和数据中心信息,容量使用以及Tablet个数TabletNum:当前集群表的个数Version:Hippo版本信息库表图17.库表页面以库和表的概念集群存储的各类数据信息。库信息:库名库创建时间库内各类表的信息:点击某个库,可以看到库下所有表的信息,主要包括:••表的ID••表的名字••表的状态••表的Tablet数量••表的Engine类型••表的副本数•...
产品文档
5.18 全文检索
Hippo在1.2版本提供了全文索引能力,兼容ElasticSearch6.7.2语法,在底层架构上复用了公司产品TranswarpScope的一部分特性,支持以Java/HTTPRestful的形式通过Hippo的HTTPServer接口进行全文索引的创建、查询、使用等各类需求,通过该能力的支持,可以更好的实现向量与全文的混合检索。通过将向量检索加全文检索的联合召回,可以降低漏检和误检的概率,能够实现比单独使用向量或全文更高的精度。同时,一套数据库系统可避免部署多套系统带来的架构复杂、开发运维成本高等问题。具体的使用方法除了访问端口需要将端口从8902调整为9200外,均可参考《TranswarpScope手册》4.TranswarpScopeAPI介绍。
产品文档
5.3 写入类操作
本节介绍Hippo表写入相关操作。Hippo会返回写入成功数据的下标以及总共写入成功的数据条数,如果出现行级错误(比如主键冲突),Hippo会返回具体的行级错误。插入本节介绍如何向Hippo中插入数据。curl-ushiva:shiva-XPUT'localhost:8902/hippo/v1/{table}/_bulk?database_name={database_name}&pretty'-H'Content-Type:application/json'-d'{"fields_data":[{"field_name":"book_id","field":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74...
产品文档
3.3 Cluster
OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...