大数据技术在电力通信网的研究与应用

本文首先简要介绍了大数据的5V特征、电力大数据3E特征及电力通信网的覆盖范围,接着重点研究了大数据技术在电力通信网的应用实践——通信管理系统。详细分析了通信管理系统的总体目标、管理范围、应用模式、功能系统范围。通信管理系统具备实时监视、资源管理、运行管理、专业管理四大业务应用,覆盖各级电力通信骨干网和终端通信接入网。通过系统互联,完成通信管理系统上下级之间、与其他系统横向之间的信息共享和应用协同,全面提升通信全程全网故障定位处理能力、跨专业和跨网络的资源管理和优化配置能力、通信业务的全流程闭环管理能力。形成具有集约化、标准化、智能化特征的国家电网公司企业级通信管理平台,为提升通信网络运行维护能力和管理水平提供技术支撑。     

基于多维大数据的区域电力景气预警体系构建及应用

当前我国经济已经由高速增长阶段转向高质量发展阶段,资源环境硬约束日益加强,能源电力经济关系发生了深刻变化,现有单线条、单维度的预测预警方法已不能满足发展需要。大数据技术的快速发展为新形势下全方位、多尺度衡量能源电力发展情况、实现精准预测预警提供了技术支撑,但大数据时代下关键数据常常淹没在海量的背景信息中,亟需开展大数据驱动下的新型智能能源经济多尺度预测预警关键技术研究。本文在分析阐述了常用的电力景气指数及预警方法的基础上,提出了基于多维大数据的区域电力景气预警框架体系和建模方法,研究构建了涵盖用电景气指数、用户用电意愿指数、电力需求指数和电力行业景气指数的区域电力景气指数指标体系,并以河南省为例进行了应用分析,实现了对电力发展和景气情况的精准预警,对于研究分析能源电力经济关系、监测区域经济和电力运行情况具有重要意义。     

大数据背景下的电力信息技术解析

大数据时代的到来,促进了我国社会的变革,尤其是对电力行业而言,是实现产业结构转型升级的重要推动力。随着计算机技术、通信技术的不断发展,电力信息技术的应用更加广泛。为了进一步提升我国电力行业的生产和管理水平,在大数据背景下,应该加强电力信息技术的革新。基于此,笔者分析了大数据背景下电力信息技术的发展现状,探索了大数据背景下电力信息技术的发展策略。     

数字化背景下电力大数据赋能应急管理的应用研究

数字化时代,大数据的应用已经渗透到社会生活中的方方面面,电力行业作为国民经济的基础性行业,大数据技术在其中的应用也日益广泛。在此背景下,本文研究了应急管理依托电力大数据的赋能进行创新优化,实时监测电网运行状态、设备性能及电力负荷情况,为应急管理决策提供准确、有效的数据支撑;分析了应急管理对电力大数据的需求,以及如何整合、加工电力大数据与其他相关数据源,提高应急响应、预警预测的效率;通过应用案例展示了电力大数据在应急管理中的实际效用,如实现企业安全生产的监管、提高灾害预警的准确性、优化救援力量和资源的调配。以此为未来电力大数据在应急管理领域的进一步应用提供参考和借鉴。     

浅谈县域电力通信网建设的应用

分析了电力系统专用通信网的管理要求,针对网络管理层次多、设备种类多、网络结构复杂的特点,从技术的角度提出了建设电力通信网网络管理系统的基本要求及解决方案。     

基于量化分析的电力通信网多维度风险预警优化研究

电力通信安全影响因素具有多维度、时空冗杂性,导致风险预警效率与精度较低,为此提出一种电力通信网多维度风险预警优化方法.这种方法基于偏序约简的电力通信影响因素预处理,约简对通信安全存在威胁的全部因素,降低时空冗杂性,提取对通信安全存在威胁的决定性因素;通过基于树状图的电力通信网多维度风险量化模型,从资产、威胁、脆弱性以及...     

电力光纤主干通信网应用技术探讨

电力系统各种业务对于承载通道的要求不同,导致电力主干通信网在建设过程中不可避免出现各种各样的问 题,这一点和公网建设有很大的区别。如何解决该问题,成为电力光纤主干通信应用的关键。基于此,本文对主要传输技术进 行介绍,从传输技术、建设目标、应用方案等方面对电力光纤主干通信网应用技术进行研究,以期对未来电力光纤主干通信网 的发展起到一定的促进作用。     

面向电力物联网的电力大数据应用

为保证电网系统安全稳定运行,加强国网公司精细化管理水平,以电力大数据为代表的新一代IT技术在电力物联网领域中的应用,可以有效地解决数据采集、存储与处理等问题,并在海量电力数据中深度挖掘出有潜在利用价值的信息。本文分析了电力物联网中电力大数据的特点和发展趋势,介绍了Apriori算法在处理海量电力大数据中的显著优势,通过利用Apriori算法来处理大数据在电力物联网中的典型应用,优化各级电网控制,构建结构扁平化、功能模块化、系统组态化的柔性体系结构,全面提高电网生产、运行、调度、管理的自动化水平,使系统稳定运行在最佳状态,从而提升了数据挖掘、管理和交互共享操作水平,进而提高了生产作业的效率和管理预测能力,为公司进一步决策部署提供强有力的数据技术支撑。     

电力调度大数据应用平台系统技术研究

为解决智能电网的发展中电网运行和设备检测或监测数据、电力企业管理数据、电力企业营销等数据海量的增加带来的不同业务系统之间分散地开发、运行和管理,系统数据存储结构独立,带来数据多源、格式不一致,数据准确性、实时性不强,数据质量不高,缺乏统一的数据规范等问题,本文利用Hadoop的分布式文件系统HDFS和并行处理框架MapReduce的工作原理,搭建电网调度大数据应用平台系统,解决了不同业务系统之间的数据不能及时共享、访问、管理与分析挖掘等问题。采用数据清洗数据,解决数据质量不高的问题。搭建电网调度大数据应用平台系统,既能实现跨专业、跨部门的多维度关联分析,又能满足海量的智能电网数据存储和数据处理需求,并具有强大的伸缩性,可扩展为电网实现安全、可靠、经济、高效地运行提供保障。     

大数据在智慧城市中的应用

伴随智慧城市的发展,多源、异构、冗余的大数据应运而生。利用数据挖掘、决策分析等技术,实现大数据转化为数据资产,必将成为大数据时代智慧城市智能化、互联化的必要手段。阐述了智慧城市概念、智慧城市数据资源及大数据处理技术,分析了智慧城市中的大数据综合应用,阐明了大数据在智慧城市重点行业领域的应用现状,并对其进行展望,为未来智慧城市中大数据的深入应用提供解决方案和思路。     

输变电设备状态大数据分析应用探讨

随着电网数据急剧增加,传统的数据挖掘和分析方法已经不能适应当前智能电网的要求,而大数据分析为此提供了相应的实现手段。首先简述了大数据技术理论,并从输变电设备状态分析及应用的具体电网业务角度出发,开展数据整合、数据存储、数据计算、数据分析和结果可视化五部分工作;然后针对输变电设备历史缺陷数据和全过程技术监督的问题数据,应用主成分分析法和聚类算法,构建变压器设备缺陷特征分析模型,实现将设备缺陷内容归类特征贴标签,为电网运检人员提供相关决策的数据分析依据;最后介绍了开展输变电设备潜伏性故障关联预测研究的工作展望。     

大数据探讨

大数据的重大意义正逐步被人们认识到。简要介绍大数据,从技术和工具、解决方案和应用案例等方面对大数据进行研究。并对大数据给计算机科学带来的若干问题进行探讨。     

Editorial for FGCS special issue: Big Data in the cloud

Research associated with Big Data in the Cloud will be important topic over the next few years. The topic includes work on demonstrating architectures, applications, services, experiments and simulations in the Cloud to support the cases related to adoption of Big Data. A common approach to Big Data in the Cloud to allow better access, performance and efficiency when analysing and understanding the data is to deliver Everything as a Service. Organisations adopting Big Data this way find the boundaries between private clouds, public clouds and Internet of Things (IoT) can be very thin. Volume, variety, velocity, veracity and value are the major factors in Big Data systems but there are other challenges to be resolved.The papers of this special issue address a variety of issues and concerns in Big Data, including: searching and processing Big Data, implementing and modelling event and workflow systems, visualisation modelling and simulation and aspects of social media.     

大数据时代数据分析与信息安全

大数据的价值不仅仅局限于它的初始收集目的,而在于收集后可以用于其他用途并可重复使用。目前,包括美国在内的许多国家,都将大数据分析管理上升到国家战略层面,从国家层面通盘考虑其发展战略。     

大数据在智慧校园建设中的应用思考

随着互联网技术的发展,"互联网+大数据"技术逐步地应用到各行各业中。在智慧校园建设的过程中,"互联网+大数据"不仅作为技术支撑,同时也提升了学校教学环境,提高了教学效率。本文首先综述了"互联网+大数据"技术的基本情况,其次分析了"互联网+大数据"技术在智慧校园建设中的作用,最后提出了"互联网+大数据"技术在智慧校园建设过程中的应用思考。     

大数据下的Web数据集成与挖掘研究

随着Web2．0技术的快速发展,社交网络、物联网、移动互联网等新兴服务行业日益涌现,Web数据呈爆炸式增长,成为炙手可热的“大数据”。Web大数据巨大的价值使得越来越多的人开始关注,如何获取Web数据并进行挖掘利用。在大数据的环境下,Web数据呈现出规模大、种类多、数据流高速性等特点,使得Web数据抽取与集成,数据分析,数据解释等方面的研究更加深入,与此同时,Web大数据的集成与挖掘仍存在着数据规模、数据多样性、数据时效性、隐私保护等方面的挑战。     

大数据时代导航与位置服务的发展

导航与位置服务主要是基于导航定位、移动通信、数字地图等技术,建立人、事、物、地在统一时空基准下的位置与时间标签及其关联．为公众提供随时获知所关注目标的位置及位置关联信息的服务,数据是导航与位置服务的基础。而大数据的出现为导航与位置服务产业带来新的发展方向,从概括导航与位置服务中的大数据着手,分析大数据时代的到来给导航与位置服务带来的机遇与挑战,为导航与位置服务产业发展提供指导。     

云南省水文大数据资源中心设计与应用

如何有效加强水文数据共享应用,提高水文数据应用深度和水平,加大水文产品的社会共享力度,是新时代水文工作面临的重要问题。针对现代化水文大数据资源中心如何建设提供思路和方法。以云南省水文信息化建设为例,重点介绍云南省水文数据资源面临的数据资源整合缺少,分析应用不足、服务共享不够的现状及问题,针对问题提出水文大数据资源中心构建思路和建设内容和技术方法,从数据汇集管理、质量管理、分析应用、运营服务 4 个层面展开介绍。最后对云南省水文大数据资源中心的应用价值及未来进一步拓展方向进行说明,为其他地区水文大数据资源中心建设提供新的思路。     

A Data Quality in Use model for Big Data

Beyond the hype of Big Data, something within business intelligence projects is indeed changing. This is mainly because Big Data is not only about data, but also about a complete conceptual and technological stack including raw and processed data, storage, ways of managing data, processing and analytics. A challenge that becomes even trickier is the management of the quality of the data in Big Data environments. More than ever before the need for assessing the Quality-in-Use gains importance since the real contribution–business value–of data can be only estimated in its context of use. Although there exists different Data Quality models for assessing the quality of regular data, none of them has been adapted to Big Data. To fill this gap, we propose the “3As Data Quality-in-Use model”, which is composed of three Data Quality characteristics for assessing the levels of Data Quality-in-Use in Big Data projects: Contextual Adequacy, Operational Adequacy and Temporal Adequacy. The model can be integrated into any sort of Big Data project, as it is independent of any pre-conditions or technologies. The paper shows the way to use the model with a working example. The model accomplishes every challenge related to Data Quality program aimed for Big Data. The main conclusion is that the model can be used as an appropriate way to obtain the Quality-in-Use levels of the input data of the Big Data analysis, and those levels can be understood as indicators of trustworthiness and soundness of the results of the Big Data analysis.