海量电力财务指标的实时预测研究

海量财务指标的实时预测是电力企业财务集约化管控的关键。文章基于大数据平台建立了电力财务指标预测系统,应用大数据技术实现了数据同步和海量指标数据的预处理;基于指标特征提取,采用优选式算法预测,得到了最优的趋势预测结果。应用该系统可实时、快速地为财务部门提供指标预测和分析,提高财务管控的效率和在线决策的能力。     

基于PHM的电力中间件故障预警技术研究

在电力信息系统中,中间件的运维工作需要从传统的事后排查提升为故障预判和智能预警,面向电力中间件的故障预测与健康管理(PHM)技术成为当前迫切需要研究的课题;分析和利用PHM技术的数据处理流程,突破性将该技术应用于智能化运维管理平台的中间件集群管理;以灰色状态下的马尔科夫预测模型为核心预测算法,结合时间切片管理和动态置信阈值技术,设计并实现了面向中间件集群管理的故障预警模型;以湖北省电力公司构建的智能化运维管理平台上的实施应用为实例,该方法实现对中间件故障准确预警,并大大降低了虚警率;实验结果证明了该方法的可行性和有效性。     

大规模图处理研究

大数据研究领域的许多问题可以转换为图的问题。本文将阐述鲲鹏大数据系统计算引擎中有关大规模图处理的研究进展以及应用,具体包括高效子图匹配算法、面向图的稀疏数据存储结构和大规模图异步计算模型及其在基因拼接中的应用。     

基于多维特征分析的月用电量精准预测研究

用户用电量的精准预测是智能配用电大数据应用和发展的关键之一。区别于传统的基于行业分类的预测办法,提出基于大数据挖掘技术的用户用电多维度特征识别,以及在此基础上的精准用电量预测方法。基于海量多用户用电特性,建立多维度用电特征评价指标体系。对用户用电特性空间进行聚类和分析,挖掘和识别用电模式。在不同的用电模式下,分别建立用电量时间序列预测模型,避免用电模式差异对预测算法准确性造成的不利影响。该方法适用于大数据平台的分析与处理,算例分析结果表明其相比以往方法能显著提高预测精度和稳定性。