共查询到20条相似文献,搜索用时 93 毫秒
1.
构建基于数据中台的电力大数据挖掘分析平台,其中数据源层获取来自不同渠道的电力初始大数据,数据中台层数据接入模块负复制传输数据源层获取的多种电力大数据;数据挖掘分析模块在数据服务、运营模块支持下,通过提取电力大数据语义关联特征量,结合模糊C均值算法的特征聚类融合,高效挖掘电力大数据,并利用密度峰值聚类方法分析数据挖掘结果,检测电力数据异常值;业务应用层呈现挖掘分析结果。实验表明该技术可以挖掘到不用电力大数据之间的潜在关系,通过电力正常数据样本点的聚类,筛选出异常电力数据,实现异常电力大数据分析。 相似文献
2.
3.
4.
5.
6.
7.
对嵌入式电力网络系统中的大数据进行融合模型设计提高对频繁任务分层和数据挖掘能力。传统的嵌入式电力网络系统中的大数据融合处理采用非显著特征数据挖掘算法,在嵌入式电力网络系统中的大数据出现离群特征时,数据融合性能不好。提出一种改进的基于嵌入式电力网络系统中统计特征频繁任务分层的大数据融合模型。对嵌入式电力网络系统中数据融合对象数据集提取二维分层空间特征,采用本征匹配方法进行嵌入式电力网络操作系统数据融合总体模型设计,引入统计特征分层融合定位节点谱函数表示数据融合效率,计算样本的密度特征,并抽取高密度区域的点集作为聚类中心,得到嵌入式电力网络系统中闭频繁项域适应度函数,实现融合模型改进。仿真实验表明,采用该算法能有效提高对嵌入式电力网络系统中大数据的分层融合性能,融合密度和精度提高,算法在数据监测概率和任务运行速度上优越于传统算法。 相似文献
8.
9.
10.
11.
12.
13.
随着电力系统智能化水平的不断提高,电网中产生的数据体系也越来越庞大,而数据的质量会直接影响电力系统的运行分析和规划决策。文中基于数据挖掘技术提出一种电网时序数据质量维护体系,筛选不合格的数据,并确定数据所存在的问题,为分析出现问题的原因提供便利。对电力数据及传输过程进行了分析,并指出了可能存在的问题。不同地区的数据具有自身不同的特点,为了提高检测速度,基于决策树算法先对历史数据样本进行决策分析。以某地区的数据训练集为例,对该地区电力数据检测流程进行分析,得到适合该区的检测顺序。针对数据合理性难以检测的问题,利用基于聚类的离群检测法筛选出问题数据,并尝试分析问题数据产生原因。通过算例证明了所提时序数据质量维护流程的有效性和可靠性。 相似文献
14.
电力大数据的处理离不开大数据技术的支持,如何存储电力大数据并从中挖掘出有价值的信息来促进电网的发展是当前的研究热点。本文首先从数据存储方式和数据检索功能两方面对图数据库Neo4j进行详细介绍;然后提出基于Neo4j构建电网的全景数据库,根据电力网络拓扑建立设备映射表,将目前电网中分散、隔离的海量数据有序地整合起来,同时利用Neo4j自身封装的图论算法提出基于图论的电力数据聚类分析方法;最后基于Neo4j数据库分析了两个具体的算例,对Neo4j数据库的信息检索性能和数据聚类分析功能进行了测试。 相似文献
15.
在"调控一体化"的背景下,电网调控领域进入了大数据时代。针对电网调控业务中数据仅以报表形式展示,缺乏深度挖掘与关联分析,没有发掘数据的潜在价值等问题,提出了电网调控数据综合智能分析决策与可视化系统的设计思路和具体实施方案。系统基于数据挖掘技术、商务智能理论、可视化等前沿技术,通过对存储于大型电网数据库中的众多无关联性数据进行预处理,并利用专业的数据挖掘手段结合成熟的商务智能技术对不同业务数据进行综合分析。最后利用可视化技术将分析结果进行立体的、多维度的展示,为调控人员提供辅助决策。 相似文献
16.
17.
18.
考虑到模糊边界问题以及变压器个体之间的差异性特征,提出了一种基于大数据挖掘的电力变压器健康状态差异预警规则策略。应用模糊C-均值法辨识变压器的最优特性,通过概率图验证该方法能最大限度地反映变压器的个性化特征,且所选特征下的全套溶解数据符合Weibull模型。然后对溶解气体分布特征与缺陷/故障率进行关联分析,计算出相应的报警阈值。将气体浓度和气体增加率与已建立的警告相关联,可以识别变压器的运行状态。在此基础上,提出了基于不同阈值的预警规则,并将其应用于现场运行的变压器。试验结果表明,提出的方法准确率高达98.21%,证明了提出方法具有良好的状态监测性能。 相似文献
19.
20.
袋式除尘器在产品生命周期不同阶段,包括设计、仿真、制造、测试实验以及运维等阶段都会产生大量数据,挖掘产品大数据与其运行特性之间复杂、非线性、耦合的内在关联,为解决袋式除尘器行业设计创新、运维优化等关键共性技术提供新思路。针对袋式除尘器大数据特点,提出了一种用于袋式除尘器滤袋破损在线监测的大数据挖掘XGBoost模型,研究了基于蚁群算法的XGBoost模型参数优化方法。研究结果表明,与随机森林、BP网络挖掘模型相比,XGBoost优化模型方法准确度高,识别速度快,可解释性强。 相似文献