基于数据中台的电力大数据高效挖掘分析技术研究

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。     

基于大数据技术的电力用户行为分析及应用现状

电力行业是大数据技术应用的重要领域之一,电力大数据产生于电力生产的各个环节,蕴藏着丰富的商业和社会价值。介绍了大数据技术在电力行业的应用现状,重点对基于大数据技术的电力用户行为分析方法进行了归纳总结,最后给出了几个面向电力用户行为分析的大数据应用案例。     

基于电力大数据的宁夏乡村振兴研究

为充分发挥电力数据在乡村振兴战略实施中的价值,利用大数据挖掘技术将电力大数据与乡村振兴战略相结合,围绕乡村居民生活水平、乡村经济发展、乡村产业发展等方面,分析电力数据与农村经济发展之间的关联性,掌握乡村产业发展态势,分析闽宁镇特色乡村振兴做法,从数据显现上为其他贫困地区提供明确的、具有典范意义的乡村振兴实施意见.构建乡...     

电力大数据存储方案设计

电力企业在大数据时代首先要解决的是海量电力数据的存储问题。针对电力大数据自身特征,分析了电力大数据存储的目的是为大数据挖掘提供保障。为了便于管理电力大数据,阐述了数据存储的优化方案。通过研究电力大数据的存储和管理方案,结合电力企业自身特点,设计了电力大数据的存储架构。     

基于Spark框架的电力大数据清洗模型

针对电力大数据清洗过程中的提取统一异常检测模式困难、异常数据修正连续性及准确性低下等问题,提出了一种基于Spark框架的电力大数据清洗模型。首先基于改进CURE聚类算法获取正常簇;其次,实现了正常簇的边界样本获取方法,并设计了基于边界样本的异常识别算法;最后通过指数加权移动平均数实现了异常数据修正。通过对某风电场风力发电监测数据进行了数据清洗实验分析,验证了清洗模型的高效性、准确性。     

基于电力大数据应用的故障诊断研究分析

阐述了目前电力系统中故障诊断存在的不足,针对一起变电站10kV开关柜负荷电流异常导致的故障,开发了一种电力大数据在电力系统故障诊断中的应用模块,结合电力大数据分析了导致开关柜发生故障的可能原因,并提出了相应的改进措施,为电力大数据在电力系统中的应用提供了典型案例分析。     

电力网络系统中统计特征任务分层的大数据融合模型

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。     

基于电力大数据平台的三层数据过滤机制研究及应用

大数据技术是城市电网数字化规划中的重要工作内容,具有重要的理论和实践价值。但是这些数据体积大、类型多、更新速度快,为防止海量数据带来的分析干扰,提出了基于电力大数据平台的三层数据过滤机制,对过滤数据构建分段式小样本回归模型。该模型在上海某风力发电厂风机发电功率预测中进行应用,算例结果表明三层数据过滤机制有效地解决了庞大数据量的无序、可用性较低等问题,对整体数据具有良好的表征性,提升了预测精度,促进了电网信息价值密度的高质量提升。     

基于电力大数据技术的泛在电力物联网应用研究∗

大数据技术是电力智能终端与电力物联网之间通信的有效载体.泛在电力物联网既是数据的生产者,同时又是数据的消费者,提升电力大数据的应用技术,可以有效解决泛在电力物联网信息流层面的数据延迟与堵塞问题,提升数据的响应速度.基于大数据与电力物联网融合的设计架构,从能源、金融及业务层面提出了5种应用场景,对电力大数据与泛在电力物联网深度融合的商业运营模式进行了探讨.     

电力大数据关键技术在电力传输预测与规划中的应用

介绍了电力大数据技术的研究背景与价值,解析了电力大数据系统的常见架构,说明现代电力系统应用背景下电力大数据系统的主要组成模块.大数据系统用于电力系统时,需要考虑云计算、数据存储、数据集成、数据计算、数据应用等5个关键技术.通过对关键技术与系统组成的分析,提出了可用于预测规划的应用方法,并对未来应用做了展望.     

基于大数据云平台的电力能源大数据采集与应用研究

随着智能电网建设的不断推进,电力系统中运行的采集终端数量大幅激增。面对采集到的海量用电数据,如何快速挖掘出有价值的信息,指导企业发展并服务社会民生,显得尤为迫切。文章介绍了利用分布式架构的用电信息采集系统采集用电数据,建立大数据云平台,通过BP神经网络算法等大数据分析方法,提高线损治理成效,实现负荷的准确预测,并在光伏、车辆网等新的领域对电力能源大数据应用的研究进行了展望,对未来电力能源大数据的深化应用有重要的指导意义。     

基于大数据分析的县公司综合评价策略

提出一种基于大数据分析的县公司综合评价策略。以1780家县公司数据为基础,建立考虑统计分析、决策树分析、数据包络分析等大数据技术的指标挖掘策略;通过信息挖掘构建一套适用于县公司综合评价的指标体系。以经济因素和企业因素为规则,建立基于县公司聚类的差异化权重计算方法,实现对县公司差异化发展内生和外生因素的联合判别,克服综合评价结果解释的单一化。通过浙江省的实证化应用,验证了所提策略的有效性和实用性。     

基于数据挖掘技术的时序数据质量维护研究

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。     

基于Neo4j的电力大数据建模及分析

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。     

电网调控数据综合智能分析决策架构设计

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。     

基于大数据技术的电网历史数据管理设计实现

随着电网调控业务的不断发展,原先采用关系型数据库管理历史数据的方式面临着越来越严峻的挑战。对电网调控历史数据存储管理关键技术如分布式列存储、数据汇集、以及广域历史数据服务进行了讨论,突破了现有基于关系型数据库历史数据管理方式的瓶颈,使原本局限于本地调控系统的历史数据实现全网统一存储与共享,提升多级调控系统协同处置能力、信息化支撑能力及全局资源共享能力,全面保障电网安全优质运行和调度管理精益高效运转。     

数据挖掘在电力系统中的应用综述

电力系统各种数据现已呈现爆炸性增长态势,数据挖掘技术将会扮演越来越重要的角色.主要介绍数据挖掘技术及其相关的应用,以及数据挖掘的交叉产业标准(CRISP-DM)和主要方法.结合电力系统的自身特点,分析数据挖掘在电力系统当前的主要应用动态及应用前景.     

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

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。     

基于大数据的电力故障分析系统研究

电力故障是电力系统正常工作过程中不可避免的问题,对电力故障进行有效的监测分析是保证电网正常运行的关键。针对电力故障分析系统结合大数据处理展开研究,构建了主站与子站的电力故障监测分析分层模型,提出了基于Hadoop的大数据处理方案。该系统可以实现对电力故障的实时性高效分析,具有一定的推广价值。     

面向袋式除尘器的大数据挖掘XGBoost优化算法研究

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。