共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
基于云计算的电力大数据分析技术与应用 总被引:1,自引:0,他引:1
为解决电力数据分析系统在大数据时代面临的严重的性能与可伸缩性瓶颈,更好地满足生产、营销等系统的需求,分析了云计算技术的优势,提出了基于云计算的电力大数据分析系统体系结构及关键技术。基于分布式并行计算框架Hadoop和Hive,面向电力大数据特征,设计了多维索引、SQL自动翻译工具和支持数据更新的混合存储模型3项性能提升技术,实现对传统电力数据分析系统的升级优化。在浙江电力用电信息采集系统的实际部署经验表明,和传统电力数据分析系统相比,该系统以1/8的硬件成本,获得平均5倍的性能优势。证明了云计算技术能够显著提升电力大数据查询与分析性能并有效降低成本。 相似文献
3.
疫情期间,企业复工情况不仅关系到地方税收和就业,还能深刻反映地方的经济和社会运转状况。准确掌握地区企业复工情况,既可帮助地方政府有效推动复工复产,也可辅助政府制定针对性防疫措施。通过收集浙江省内企业近3年春节期间电量相关基础数据,提出了一种基于GMM(高斯混合模型)和Knee Point算法的企业复工电力指数计算方法。首先,利用GMM对企业进行聚类分析,将其分为春节停工企业和春节不停工企业;其次,利用Knee Point算法分析企业的用电曲线,对春节停工企业是否复工进行判断;最后,基于研究得到的企业复工电力指数模型计算浙江省内各地区复工电力指数,并将计算结果用于辅助政府进行复工复产决策。 相似文献
4.
首先,基于大数据分析设立安全状态数据样本集,通过测试电力盗窃检测与预防系统安全状态的维度,对系统进行休整后得到安全系数。然后,根据电力盗窃检测与预防系统和数据集之间的相关因素,利用神经网络算法在输入层输入安全数据,经过隐藏层的处理计算,得到了输出检测结果。最后,计算电力盗窃的技术损耗得出测量的欧姆损失,对大数据分析迭代训练后完成电力盗窃检测与预防系统的设计。结果表明,从正常用户和电力盗窃的用电趋势可以看出,在用电12天左右时,电力盗窃的用电量最高可达到1.5 kWh,明显高于正常用户用电量,基于大数据分析的电力盗窃检测与预防系统能够有效根据用户的数据进行窃电检测且准确率较高。 相似文献
5.
为提升电网的运营效率和资源利用率,提高预算及成本控制的精准度,同时帮助用户制定合理的供电方案、用电策略,推进用电服务及电力营商环境不断优化,构建基于电力大数据分析的接电成本预测模型。首先,分析电力大数据中的数据类型,并采用基于MapReduce并行化处理的聚类挖掘算法,从电力系统中挖掘与接电成本相关的电力大数据,获取聚类结果。其次,通过时间序列分析法构建接电总成本预测模型,并通过多元回归方法构建接电成本影响因素预测模型,经模型预测后,获取最佳接电成本预测结果。最后,经实验验证:该模型可精准预测企业用户接入时产生的接电成本,还能够有效预测不同设备价格、不同电压等级下的接电成本变化。 相似文献
6.
信息系统作为电力物联网建设的核心关键部分,一旦电力信息系统受到威胁,将影响整个电网的安全稳定运行.目前基于电力信息系统的安全防护策略主要集中于传统的保护和检测方法上.然而,许多威胁发生在很短的时间内,很容易被忽略,无法及时发现.这些威胁通常会对电力信息系统造成巨大影响,干扰其正常运行.针对这一问题,文中提出了一种基于大数据分析的电力信息系统安全状态监测机制.基于模糊聚类,有效评估网络运行情况.同时提出了一种博弈理论和机器学习相结合网态势感知模型,有效降低电力信息系统的安全运维风险.仿真结果验证了所提安全状态分析策略的有效性和实用性. 相似文献
7.
为建立贫困监测机制,对有返贫和致贫风险的人口进行动态监测预警,巩固提升脱贫攻坚成果,本文集合电力数据特征、数据质量、存储方式、管理方法、业务逻辑等进行数据汇总;基于阿里云数据中台,采用Edas中间件、RDS数据库,对脱贫户的用电缴费等数据进行数据清洗及挖掘,形成脱贫户多个维度的用电行为数据分析模型;对脱贫户现状进行数据采样及分析,以"分类监测、分级预警"为原则形成"红、黄、蓝"三级预警,实现全面的脱贫户数据画像,系统地对数据结果进行分析研究,完成脱贫户监测的全流程闭环;助推政府巩固扶贫攻坚成果,深化扶贫监测机制的改革和创新,初步探索出一条运用电力大数据助力乡村振兴的新路子. 相似文献
8.
9.
10.
11.
电力用户侧大数据分析与并行负荷预测 总被引:31,自引:0,他引:31
随着智能电网、通信网络技术和传感器技术的发展,电力用户侧数据呈指数级增长、复杂程度增大,逐步构成了用户侧大数据。传统的数据分析模式已无法满足需求,迫切需要解决电力用户侧的大数据在分析与处理方面的难题。该文分析电力用户大数据的来源,针对电力用户侧大数据的数据量大、种类繁多与速度快等特点,指出电力用户侧的大数据在数据存储、可用性、处理等方面面临的挑战。结合云计算技术提出一种电力用户侧大数据分析处理平台,将智能电表、SCADA系统和各种传感器中采集的数据整合,并利用并行化计算模型Map Reduce与内存并行化计算框架Spark对电力用户侧的大数据进行分析。提出基于随机森林算法的并行负荷预测方法,将随机森林算法进行并行化,对历史负荷、温度、风速等数据进行并行化分析,缩短负荷预测时间和提高随机森林算法对大数据的处理能力。设计并实现基于Hadoop的电力用户侧大数据并行负荷预测原型系统,包括数据集群的管理、数据管理、预测分类算法库等功能。采用不同大小的数据集对并行化随机森林算法进行负荷预测实验,实验结果表明,并行化随机森林算法的预测精度明显高于决策树的预测精度,且在不同数据集上预测精度普遍高于决策树的预测精度,能够较好的对大数据进行分析处理。 相似文献
12.
<正>海量用户数据对传统的数据处理方式提出了新的挑战。阐述了综合能源服务平台的数据采集、数据处理及数据分析方法。针对海量用户数据特点,提出应用统计学方法、机器学习等数据挖掘方法开展大数据分析,可为综合能源服务平台背景下海量数据应用提供参考。 相似文献
13.
14.
15.
多维数据分析从多个角度对数据进行观察和处理,将业务型数据转化为管理型数据以获得有用信息,为企业管理决策提供有效支持。在Business Objects平台上,对某省电力企业现有的业务型数据进行多维数据分析,让企业的高层管理人员全面详细地了解和掌握企业营销运行情况,收入,利润.营运中的问题及风险等,以便发现电力营销运营规律,并做出科学的决策。 相似文献
16.
17.
18.