停电管理系统和地理信息系统的数据维护

在停电管理系统(OMS)和地理信息系统(GIS)中,通过先进的技术手段获得用户到变压器之间馈线准确的地理数据,是确保系统准确快速作出响应的关键。文中介绍美国PSE&G公司如何应用自动移动技术,来改善停电管理和用电恢复中的用户数据,并给出具体的实施步骤,及实施过程中的经验和教训。     

基于大数据挖掘技术的智能变电站故障追踪架构

文中提出了一种基于大数据平台的电网故障追踪方法,将故障诊断数据源延展至变电站层,利用Spark作为大数据处理工具对各类故障信息进行处理,有效地解决了海量监控数据的管理问题。通过数据挖掘技术对故障信息进行分析,找到故障元件的同时能够运用决策树对保护或断路器的不正确动作进行反向追踪,给出故障原因,使电网故障诊断的功能得到进一步优化。相比于目前依靠事故级报警信息的电网故障诊断,所提出的方法能够有效利用变电站层的各级监控数据,对故障做到追本溯源。     

大数据时代下数据挖掘技术在电力企业中的应用

首先对大数据进行了阐述,进而讨论了大数据时代下电力企业面临的巨大挑战;在此基础上指出在电力大数据时代下利用数据挖掘技术对电力企业产生的巨大影响;然后通过描述数据挖掘技术的一系列步骤,指出了电力大数据时代下,数据挖掘技术在电力企业的实现途径;最后,从智能电网、电力客户关系管理、信息系统的发展以及能耗问题等四方面论述了大数据时代下数据挖掘技术在电力企业中的应用前景。     

全面数据质量管理框架在配电网领域的应用分析

电力数据质量问题日益突出,影响了电力数据挖掘和能源大数据分析的准确性和有效性。本文针对当前电力系统新环境下配电网数据特点及产生数据质量问题的原因进行梳理,获得数据质量出现的主要影响因素;给出提升配电网数据质量的管理平台架构,并对数据质量评价和数据质量控制两个核心技术内容进行分析;提出考虑数据质量管理需求的异常数据剔除及修复策略,实现对不同类型的数据进行动态治理及数据修复。最后通过实际配电网数据验证了质量管理和提升效果。     

基于语义的信息时序检测技术设计研究

针对信息的交互与获取正日益突破时间与空间的限制,提出了一种基于语义技术的语义域话题关联检测相关性判定模型,模型是基于文本理解和语义分析的判定方法,其核心思想是根据不同话题生成对应的语义结构体,使系统能够实现自动根据语义信息对话题进行相关性判定,仿真实验结果表明文本的误检率还是漏检率都得到了明显的降低,因此,结果证明基于语义的信息时序检测模型能够有效提高对报道中语义空间中主题相关性检测的能力,对于话题的时序检测后期的研究有积极的意义。     

基于实测数据的电动汽车充电站电能质量分析方法

电能质量检测分析是研究电动汽车与电网互动的前提和基础.而现有工作大都没有采用真实的数据进行充电站电能质量评估研究,已有的实测数据研究中时间分析尺度多为分钟级,且缺乏对不同类型充电站进行差异特性对比分析.为此提出一种基于实测数据的电动汽车充电站电能质量分析方法.首先通过充电平台数据可视化,提取综合充电站和公交充电站的实际...     

基于数据挖掘技术的电气化铁路电能质量控制研究

针对电气化铁路电能质量控制准确度较低等问题,提出基于数据挖掘技术的电气化铁路电能质量控制方法.首先分析当前电气化铁路电能质量控制方法的研究现状,并提取电气化铁路电能质量变化特征;然后将特征输入到数据挖掘技术中的深度学习网络进行训练,建立相应的电气化铁路电能质量控制模型;最后与其他方法进行了电气化铁路电能质量控制仿真对比实验,结果表明,所提方法提高了电气化铁路电能质量控制准确度,获得了更优的电气化铁路电能质量控制结果,具有广泛的应用前景.     

基于大数据智能电网关键技术研究

数据挖掘是从海量数据中找到有用信息的重要技术。针对智能电网大数据处理中产生的时延长、效率低等问题,提出了利用数据挖掘技术的大数据处理核心技术,实现对智能电网信息采集中产生的大量数据进行信息发现的研究。分析了基于Apriori聚类算法的电网数据关联性挖掘,提高信息的处理效率。该研究将大数据处理技术引入到电网数据处理中,对于智能电网的进一步发展具有重要的意义。     

基于数据挖掘技术的电网调度运行分析系统

电网调度中心是电网运行数据的中心,这些数据中蕴含着电网运行和安全生产的宝贵信息,但目前尚未专门针对大量历史信息进行有效的管理和分析,无法有效地利用其宝贵的数据资源。文章介绍了基于数据挖掘技术的电网调度运行分析系统,利用数据仓库和联机分析处理技术,对电网运行数据进行有效管理和科学分析,并有效利用电网运行数据,总结电网运行经验,发掘电网运行规律,为调度人员提供分析研究平台,有助于促进电网运行精细化管理,提高电网调度水平和科学决策水平。     

一体化电网平台数据滚动维护模式的应用

围绕电网平台的各类基础数据,保证输、变、配和售电等数据维护的及时性和正确性,介绍设备发生变更时的各种方式,包含铭牌变更、电网图形变更、电网设备变更,采集系统接入变更、和电网用户互联变更等,确定系统维护的流程和方法.     

电力大数据智能化高效分析挖掘技术框架

随着智能电网的不断建设,各类生产经营管理活动中产生的海量、高频数据,具有实时性、易失性、突发性、无序性、无限性等特征,如何充分利用和分析这些数据,快速获取有价值的信息是当前电力大数据处理急需突破的难点。在分析目前电力大数据应用现状的基础上,构建了电力大数据智能化高效分析挖掘技术框架,同时从面向计算密集型电力大数据的特征分析技术、基于内存计算的高性能数据分析技术、电力大数据并行化分析框架及服务体系以及基于数据挖掘的母线超短期负荷预测技术4个方面详细描述了电力大数据智能化高效分析挖掘的关键技术,从而为电力业务数据的高效价值挖掘及在线决策分析提供理论依据及基础技术支撑。     

基于数据挖掘的电力客户利润贡献度分析

供电企业为提高自身的核心竞争力需进行电力客户利润贡献度分析。把数据挖掘技术运用于客户利润贡献度评价中,通过聚类分析和决策树分析,发现各种价值客户的分类规则,建立一种客户利润贡献度分析方法,实例表明这一方法可进行应用。     

应用大数据技术的反窃电分析

目前窃电现象严重且窃电手段先进,但反窃电手段仍以人工稽核为主,存在工作量大、取证困难和缺乏针对性等问题。为了解决上述问题,利用供电企业积累的大量客户档案数据和历史用电数据,通过二阶聚类分析窃电用户的定性特征,用深度学习和CHAID决策树分类评估用户的窃电嫌疑概率,根据异常值分析手段为疑似窃电行为取证提供依据。实践表明,本方案缩小了窃电嫌疑用户范围,减少了防窃电的工作量,提高了稽核针对性,且为供电单位进行窃电侦查提供了依据,从而减少了供电企业财务损失,保障电网运行安全。     

基于集成学习的输变电设备数据质量检测方法

在数据分析的应用中,数据质量是一切分析研究的基础,针对电网运行过程中输变电设备基础数据质量不高的问题,首先介绍了电力系统不良数据的产生原因与主要表现形式,并设计了一种通过历史数据训练优化生成的随机森林(一种集成学习算法)模型,可以实现对可疑数据的检测与筛查。通过对不平衡训练样本的处理,在测试算例结果对比中,均衡样本后的随机森林模型比未均衡样本的随机森林在负样本的预测准确率高10%,相比单个决策树模型在正样本的预测准确率也高出9%,这表明了集成学习在计算效率与准确率方面相对其他机器学习分类算法的优势,以及均衡训练样本对模型准确率的提升有明显效果。     

基于数据挖掘算法数据模型实现大数据分析的方法研究

针对大型数据库中的海量数据筛选困难的问题,设计了基于数据挖掘算法模型分析大数据的方法。通过K-means聚类算法,使得用户从不同的样本数据中,根据大数据样本的某些属性或某类特征,在输出的数据中,再采用BP神经网络模型对获取的聚类数据进一步训练、计算,这种方法能够映射、处理不同数据之间聚类种类大数据之间的复杂非线性关系,提高数据处理精度和用户挖掘大数据的能力。试验结果表明,设计的方法能够使用户更加便捷地处理大数据,提高了大数据应用的效率。     

一种基于时间序列数据挖掘的用户负荷曲线分析方法

针对目前用户负荷曲线分析方法研究中传统方法在单一用户典型负荷曲线提取以及负荷曲线特征提取的不足,提出了一种基于时间序列数据挖掘的用户负荷曲线分析方法.该方法首先基于分段聚合近似方法对单一用户的负荷曲线降维,并基于符号聚合近似方法对该用户一段时期内的负荷曲线重表达,用符号化序列表示该用户的负荷曲线,提取该用户的典型负荷曲...     

基于大数据的智能电网关键技术研究

大数据时代的来临,对数据的处理方式提出了新的挑战。在分析智能电网数据源和数据特征的基础上,提出了利用云计算的环境来对智能电网中的大量数据进行智能处理的方法。将大数据的概念引入到智能电网运行的关键技术当中,对智能电网的实际运行具有重要的指导意义。     

基于数据挖掘的负荷预测

简要叙述了数据挖掘技术及其在电力系统中的应用情况。提出了一种基于数据挖掘中时间序列相似性研究的电力负荷预测方法。通过采用序列分段平均值技术降维，结合滑动窗口和MBR方法实现子序列相似查询，并利用R -树作为多维索引结构提高检索效率。实验结果证明提出的方法是行之有效的。     

基于大数据的智慧园区电源系统管理平台

在研究监控系统整体结构的基础上,构建了以K-means算法为中心的数据融合系统。该系统以分类数据为基础,以大数据和云计算平台为依托,形成了智能化数据处理核心,为提高电源系统的控制决策和故障报警打下了良好的基础。