分享到:

数据集成分析 能源互补协调

多元负荷接入复杂、能源数据集成难度大、多能源协调控制及大数据价值挖掘困难等技术难题是国内智慧园区在能源发展过程中亟待解决的问题。天津电科院、天津滨海供电公司组成专项团队,经过努力,成功构建了集多元负荷互联接入、多源能源信息集成、定制化能效服务、大数据信息服务、多维量化评估于一体的智慧用能关键技术和工程体系,为增量配电业务放开后智慧园区综合能源的高效利用和加快发展奠定坚实技术基础。$$项目成果率先在中新天津生态城得到示范应用,建成了冷热电联供分布式能源站和智慧园区综合能源信息服务平台,覆盖园区100%终端用户,支持接入18个以上能源及市政系统数据,并提供12项以上能源信息综合应用服务。通过开展多能源互补协调控制和综合能源精准信息服务,使园区综合能效水平和分布式能源就地消纳能力提高10%以上。$$协调优化 提升能源利用效率$$我国配用电系统在长期的建设及运营过程中,未能充分考虑可再生能源发电大规模入网需求,缺乏多能源协调规划及控制手...  (本文共2页) 阅读全文>>

《中国数字医学》2017年05期
中国数字医学

医疗质量管理系统全数据集成

为建立基于全流程的医疗质量体系,对医疗核心流程和医疗辅助流程实施全流程管控,实现考核、监测、专项质量改进和专科质量控制四大方面的管控目标,同时最大限度的解放人力,结合医院的组织架构和信息规划,医院与专业软件公司合作建设了医疗质量管理系统(以下简称系统),基于全数据集成对分散、异构的海量医疗质量管理数据进行了分析处理[1]。目前系统的数据分析功能已达到第三等级:通过持续分析评价结果进行趋势识别[2]。系统基于全数据集成,利用数据仓库(Data Warehouse)技术将医院高度分布或异构运行的临床、管理应用系统中的相关数据进行集成存储[3],为用户或应用提供统一的数据应用入口和透明一致的信息服务,从而实现质量控制、质量保证、质量管理的信息化,并对医院业务层、战术层、战略层各层用户提供数据共享和决策支持服务。在实际应用中,主要从数据结构标准化、数据采集多样化、数据应用智能化和数据管理规范化四个方面来实现。系统数据结构如图1所示。1数...  (本文共3页) 阅读全文>>

《数码世界》2016年12期
数码世界

云计算数据集成与服务系统的构建

1前言在如今日新月异的网络环境下,数据挖掘服务已经实现了商业化的操作。但是传统的数据发掘服务已经不能很好的处理当今网络环境下的海量信息,存在着不少的问题。基于云环境(cloud environment)下的数据挖掘是网络环境下的的服务模式,很好的解决了现存的问题,提高了数据挖掘的效率。高速带宽、虚拟化技术和各类运算基础使云计算环境得以实现。云计算环境具有大规模的计算和存储能力,资源和结构具备动态伸缩性,按照资源需要进行服务,大幅度的提高了数据分析和存储效率。现如今云计算已经被各类的信息技术公司作为研究发展的重点对象。2基于云计算的数据挖掘服务结构完整的云计算环境下的数据发掘服务模式,涉及了多方的设备,理论基础和技术并且囊括了基础设施服务,数据资源服务,流程和应用服务,平台服务,集成服务,测试及安全服务。数据挖掘服务模式是数据挖掘基本技术的结合,和数据集成,数据选择,数据预处理等技术搭配后形成新的数据挖掘服务模式。各种现代的数据存...  (本文共1页) 阅读全文>>

《中国仪器仪表》2016年10期
中国仪器仪表

数据集成:二、数据集成101

如果数据源的数量增加到无法控制(见第1章,了解更多信息)时,你还能让他们成为你的武器,并有效使用这些信息吗?这是个很重要的问题。数据集成能帮助你找到问题的答案。为了使数据集成技术物尽其用,你不仅要了解什么是数据集成,而且要了解在数据集成讨论中的术语。本章提供了这些内容,告诉你数据集成如何使业务更加灵活,提供了IT和业务如何合作的洞见,让数据集成为你而工作。1定义数据集成数据集成可让你移动或看到不同来源的数据,整合更多的数据,用数据进行业务转换,符合你组织的需求。这样,就能提供格式标准化的数据,例如数据仓库,是业务消费数据的地方。数据集成过程涉及数据来源不同和存储位置不同、碎片位置和格式(见第1章,了解更多的情况)的问题。该目标是提供一种端到端的业务视图,使之更高效,确定新机会,改进决策制定和未来规划。据估计,今天80%使用数据的工作和费用来自于数据准备,而不是数据分析。从20世纪90年代末到21世纪初,这一数字接近70%。尽管两...  (本文共5页) 阅读全文>>

《互联网周刊》2013年22期
互联网周刊

大数据呼唤数据集成新思维

大数据技术的发展为数据管理开辟了一条新的道路,这也为数据集成创造了新的机会。高质量的数据对于数据集成项目的成功具有关键的作用,而不关心数据质量的数据集成注定将会失败。除了与数据质量和主数据管理更好的集成以外,用户还希望工具能够支持更加广泛的数据集成风格与功能。人类已经进入以数据为中心的时代,也即:“大数据”时代。在这个时代里,数以亿计的计算机和移动设备正在持续地创造着越来越多的数据。爆炸式增长的、结构化、非结构化数据创造着巨大的机遇,如何从如此庞大而复杂的数据中挖掘出企业需要的商业价值成为所有企业面临的挑战。大数据意味着包括交易和交互数据集在内的所有数据集,其规模或复杂程度超出了常用技术按照合理的成本和时限捕捉、管理及处理这些数据集的能力。不管是大交互数据,还是大交易数据,处理分析非结构化数据一直以来都是数据处理的难点。数据集成作为挖掘数据价值的重要一步在整个数据分析中具有重要的作用。对于绝大多数企业而言,信息系统建设通常具有阶...  (本文共2页) 阅读全文>>

《软件世界》2008年01期
软件世界

数据联邦促进企业数据集成

数据集成是把不同来源、不同格式的数据在逻辑上或者物理上集中起来,为企业提供集中的数据访问的一个过程。一般来说,数据集成把商业运行侧(即企业应用)所需的技术和Bl(商业智能)与决策支持侧的技术集合在一起,并把各种数据合并到一个统一的整体之中。 之所以有数据集成的出现,是因为在企业的成长过程中,信息化进程一直伴随着企业的发展,因为各种主客观原因,信息化通常不能一步到位,而是循序渐进的。在这个过程中,经常会出现信息孤岛。 对于国内企业来说孤岛现象更为常见,因为国内的信息化进程与国外相比有较大的滞后,我们的企业正在经历着别人数年前甚至十几年前的困境。即使是诸如金融、电信成这种手工完成的数据流动过程,把一个系统中的数据转移到另外一个系统之中。但是随着企业规模越来越大、积累的数据规模也越来越大,这种简易的方法不再能满足需要,这样对各个独立系统进行全面的整合就越变得来越迫切。而这种整合的前提就是对各系统中的数据进行整合,整合之后的数据就成为应...  (本文共3页) 阅读全文>>