1.本发明涉及企业标准化数据库构建技术领域，具体为一种新疆地区企业标准化数据库构建及应用方法。
背景技术：
2.新疆维吾尔自治区，简称新，中国5个少数民族自治区之一，位于西北地区，首府乌鲁木齐，新疆作为西部大开发的重点地区和主要的能源生产基地之一，有着丰富的风能和太阳能资源，是我国八大千万千瓦风电基地之一。但是新疆风电场和光伏电站建设地点大都远离负荷中心，和负荷中心的地理位置差异较大，呈现逆向分布的特点。该特点决定了新疆风电/光伏开发的模式是以大规模集中开发，大量风电场、光伏电站汇集至同一母线，由变压器升至高电压后，远距离输送至负荷中心进行消纳为主。目前，对于上千公里的中间无落点的电力输送来说，直流输电相对于交流输电是一种更可靠、经济的输电方式，其输送距离可达到2500km以上，能满足风电和光伏基地远距离输送电能至负荷中心的需要，而随着新疆地区的经济不断发展，众多的企业应运而生，而众多的企业在发展的同时，数据库构建和应用问题显得格外重要。
3.目前的数据库难以建立在标准化的模式下进行构建，企业无法建立完整的大数据信息指标数据库，无法提高企业决策效率，而且难以对未达吻合标准的剩余数据信息进行自动修复，无法补齐当前构建标准下的常态化数据特征，进而无法建立起当前企业标准化数据库下的常态运行工作框架。
技术实现要素：
4.本发明的目的在于提供一种新疆地区企业标准化数据库构建及应用方法，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：一种新疆地区企业标准化数据库构建及应用方法，包括以下步骤：
6.s1、采集互联网中具备构建标准化数据库的数据特征a以及当前企业运行状态下的数据特征b，生成当前数据特征a和数据特征b具有关联性下的数据表，在数据表上建立多组数据展示模型，并按照1、2......n的数字编号赋予多组数据展示模型唯一的编号；
7.s2、依据建立的多组数据展示模型对当前数据特征a和数据特征b进行深层次的解析，产生关联性下的变量类型以及产生相同属性的mds元素，将变量类型通过转化器进行数据转化后，复制在mds元素中生成标准格式下的数据源；
8.s3、查询未产生关联性下的剩余变量类型以及未产生相同属性的剩余元素，将剩余变量类型以及剩余元素在数据展示模型上进行划分和分区域标记，通过冥函数模拟演示剩余变量类型下的剩余变量数据未来变化趋势线，并通过导函数模拟演示剩余元素下的剩余数据未来变化趋势线，计算剩余变量数据未来变化趋势线和剩余数据未来变化趋势线之间的真实数字区间，并建立二者之间的阈值范围；
9.s4、依据互联网中标准化数据库的构建标准，对剩余变量类型以及剩余元素进行梳理，选取与构建标准吻合度超过85-95％的剩余数据信息，采用数据循环扫略的方式剔除未达吻合标准的数据信息，并对剩余数据信息进行自动修复，补齐当前构建标准下的常态化数据特征，并结合数据源，建立起当前企业标准化数据库下的常态运行工作框架；
10.s5、将建立的常态运行工作框架传输至企业工作模型架构中，间歇性发送正常操作指令，观察企业运行数据是否出现异常，并通过编辑常态运行工作框架下的工作逻辑，建立与企业工作模型架构中的数据采集端口，通过远程终端采集的方式对日常运行数据进行实时采集和监测，生成采集点和监测点，并通过数据编码解析出最终的指标库。
11.可选的，所述阈值范围内，根据真实数字区间生成异常数据发生源，按照异常数据发生源出现的次数，对异常数据发生源和标准化数据库的数据特征a进行对比，得到异常数据清洗指令，并对异常数据进行定时清洗。
12.可选的，所述数据源在生成后，通过分布式网络探针搜寻到当前数据特征下的数据信息，同时记录下网络探针的所有搜寻路径，根据得到的所有搜寻路径建立当前数据信息运行轨迹下的基本逻辑。
13.可选的，所述补齐当前构建标准下的常态化数据特征后，还应对常态化数据特征进行质量检查和标准化数据训练，并得到标准化数据训练集。
14.可选的，所述指标库在解析前，通过对日常运行数据进行采集和监测，并创建当前日常运行数据下的多个服务终端以及服务接口，对日常运行数据进行脱敏和信号放大后，形成最终的指标库。
15.可选的，所述采集点和监测点在生成后，还应自动梳理出当前数据采集端口下的多组特征信息，按照类型和存储大小对多组特征信息进行重排和分类后，建立多组特征信息下的独立传输通道。
16.可选的，所述指标库在解析后，在指标库中生成日常运行数据下的索引栏，根据索引栏中对应的数据信息建立数据触发按钮，当数据触发按钮产生指令后，自动选取指标库中的重复数据并产生额外参数，并对额外参数进行格式化处理。
17.可选的，所述常态运行工作框架是基于数据源下的多个数据元素进行创建的，其中数据元素包含数据长度、数据名称、数据类型、数据格式、数据起始位置和数据终端位置。
18.与现有技术相比，本发明的有益效果是：该方法通过不同数据特征之间的关联性，根据真实数字区间生成异常数据发生源，得到异常数据清洗指令，并对异常数据进行定时清洗，使得企业数据库得以在标准化的模式下进行构建，有利于建立完整的大数据信息指标数据库，大大提高企业决策效率，而且通过对未达吻合标准的剩余数据信息进行自动修复，能够补齐当前构建标准下的常态化数据特征，进而建立起当前企业标准化数据库下的常态运行工作框架，使得企业数据库更加标准化和流程化，有利于企业各部门信息的精准管理，具备一定的市场推广前景。
具体实施方式
19.下面对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范
围。
20.本发明提供一种新疆地区企业标准化数据库构建及应用方法，包括以下步骤：
21.s1、采集互联网中具备构建标准化数据库的数据特征a以及当前企业运行状态下的数据特征b，生成当前数据特征a和数据特征b具有关联性下的数据表，在数据表上建立多组数据展示模型，并按照1、2......n的数字编号赋予多组数据展示模型唯一的编号；
22.s2、依据建立的多组数据展示模型对当前数据特征a和数据特征b进行深层次的解析，产生关联性下的变量类型以及产生相同属性的mds元素，将变量类型通过转化器进行数据转化后，复制在mds元素中生成标准格式下的数据源；
23.s3、查询未产生关联性下的剩余变量类型以及未产生相同属性的剩余元素，将剩余变量类型以及剩余元素在数据展示模型上进行划分和分区域标记，通过冥函数模拟演示剩余变量类型下的剩余变量数据未来变化趋势线，并通过导函数模拟演示剩余元素下的剩余数据未来变化趋势线，计算剩余变量数据未来变化趋势线和剩余数据未来变化趋势线之间的真实数字区间，并建立二者之间的阈值范围，阈值范围内，根据真实数字区间生成异常数据发生源，按照异常数据发生源出现的次数，对异常数据发生源和标准化数据库的数据特征a进行对比，得到异常数据清洗指令，并对异常数据进行定时清洗；
24.s4、依据互联网中标准化数据库的构建标准，对剩余变量类型以及剩余元素进行梳理，选取与构建标准吻合度超过85-95％的剩余数据信息，采用数据循环扫略的方式剔除未达吻合标准的数据信息，并对剩余数据信息进行自动修复，补齐当前构建标准下的常态化数据特征，并结合数据源，建立起当前企业标准化数据库下的常态运行工作框架；
25.s5、将建立的常态运行工作框架传输至企业工作模型架构中，间歇性发送正常操作指令，观察企业运行数据是否出现异常，并通过编辑常态运行工作框架下的工作逻辑，建立与企业工作模型架构中的数据采集端口，通过远程终端采集的方式对日常运行数据进行实时采集和监测，生成采集点和监测点，并通过数据编码解析出最终的指标库。
26.进一步的：数据源在生成后，通过分布式网络探针搜寻到当前数据特征下的数据信息，同时记录下网络探针的所有搜寻路径，根据得到的所有搜寻路径建立当前数据信息运行轨迹下的基本逻辑，同时构建基本逻辑下的编辑机制和操作权限，对数据信息的内容判断和流程判断，分析出当前数据信息运行轨迹是否发生偏移，其中内容判断和流程判断前，还应对当前检测人员基本信息进行采集，并分析当前检测人员是否具有判断权限。
27.进一步的：补齐当前构建标准下的常态化数据特征后，还应对常态化数据特征进行质量检查和标准化数据训练，并得到标准化数据训练集。
28.进一步的：指标库在解析前，通过对日常运行数据进行采集和监测，并创建当前日常运行数据下的多个服务终端以及服务接口，对日常运行数据进行脱敏和信号放大后，形成最终的指标库。
29.进一步的：采集点和监测点在生成后，还应自动梳理出当前数据采集端口下的多组特征信息，按照类型和存储大小对多组特征信息进行重排和分类后，建立多组特征信息下的独立传输通道，将该独立传输通道与外部服务器进行网络连接，利用外部服务器中最优的传输线路对独立传输通道进行实时优化，获知当前独立传输通道下的传输路径，将最优传输线路发送至独立传输通道内进行通道构建。
30.进一步的：指标库在解析后，在指标库中生成日常运行数据下的索引栏，根据索引
栏中对应的数据信息建立数据触发按钮，当数据触发按钮产生指令后，自动选取指标库中的重复数据并产生额外参数，并对额外参数进行格式化处理，然后对额外参数进行可视化界面查询，同时添加新的资源参数对可视化界面进行渲染和制作，其中，可视化查询前需要对当前页面进行数据编辑和数据规划，数据规划包含数据参数和数据属性。
31.进一步的：常态运行工作框架是基于数据源下的多个数据元素进行创建的，其中数据元素包含数据长度、数据名称、数据类型、数据格式、数据起始位置和数据终端位置。
32.以新疆地区的某化工企业a为例进行数据库的构建说明：
33.企业数据特征分类众多，标准数据库的构建从不同的数据归属进行，以其中人力数据为例进行具体说明，
34.首先，设定化工企业中具备构建人力标准化数据库的数据特征a为标准人员分布，具体为研发人员20～30％，普通技术人员30～40％，操作工人40～50％，后勤保障人员10～20％；当前a企业运行状态下的数据特征b为实际人员分布，具体为研发人员20％，普通技术人员30％，操作工人40％，后勤保障人员10％；
35.根据上述的数据特征生成当前人力分布数据特征a和实际人员数据特征b具有关联性下的数据表，在数据表上建立1、研发人员，2、普通技术人员，3、操作工人，4、后勤保障人员的多组数据展示模型；
36.依据建立的上述4组数据展示模型对当前标准人员分布数据特征a和实际人员分布数据特征b进行深层次的解析，发现学历分布为与人员分布产生关联性下的变量类型以及产生相同属性的mds元素，将变量类型通过转化器进行数据转化后，将学历分布的数据复制在mds元素中生成标准格式下的数据源；产生相同属性的mds元素的学历为本科以上、本科；本科以上的基本进入研发人员；本科基本进入普通技术人员；
37.查询未产生关联性下的剩余变量类型以及未产生相同属性的剩余元素为本科以下，将剩余变量类型以及剩余元素即本科以下的人员在数据展示模型上进行划分和分区域标记，本科以下的人员可作为助理进入研发人员中，可做为助理进入普通技术人员中，可进入操作工人中，可进入后勤保障人员中；
38.通过冥函数模拟演示剩余变量类型下的剩余变量数据未来变化趋势线，并通过导函数模拟演示剩余元素本科以下人员的剩余数据未来变化趋势线，计算剩余变量数据未来变化趋势线和剩余数据未来变化趋势线之间的真实数字区间，建立二者之间的阈值范围，例如在本企业a中，本科以下人员在科研人员中比例阈值范围为0～5％，根据真实数字区间生成异常数据发生源，按照异常数据发生源出现的次数，对本科以下学历人员在科研人员中占比异常数据发生源和标准化数据库的数据特征a进行对比，得到异常数据清洗指令，并对异常数据进行定时清洗；提示企业本科以下人员在科研人员中数据异常，需清理调整；
39.依据互联网中标准化数据库的构建标准，采用上述的方式对剩余变量类型以及剩余元素进行梳理，即对本科以下人员在科研人员中的占比进行梳理，选取与构建标准吻合度超过85-95％的剩余数据信息，采用数据循环扫略的方式剔除未达吻合标准的数据信息，并对剩余数据信息进行提醒，自动修复，补齐当前构建标准下的常态化数据特征，并结合数据源，建立起当前企业标准化数据库下的人员配置常态运行工作框架；
40.将建立的人员配置常态运行工作框架传输至企业工作模型架构中，间歇性发送正常操作指令，观察企业运行数据是否出现异常，并通过编辑常态运行工作框架下的工作逻
辑，建立与企业工作模型架构中的数据采集端口，通过远程终端采集的方式对日常运行数据进行实时采集和监测，生成采集点和监测点，并通过数据编码解析出最终的指标库。
41.该方法通过不同数据特征之间的关联性，根据真实数字区间生成异常数据发生源，得到异常数据清洗指令，并对异常数据进行定时清洗，使得企业数据库得以在标准化的模式下进行构建，有利于建立完整的大数据信息指标数据库，大大提高企业决策效率，而且通过对未达吻合标准的剩余数据信息进行自动修复，能够补齐当前构建标准下的常态化数据特征，进而建立起当前企业标准化数据库下的常态运行工作框架，使得企业数据库更加标准化和流程化，有利于企业各部门信息的精准管理，具备一定的市场推广前景。
42.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。