基于多源异构数据融合的变电站风险评估研究

提出一种基于MapReduce框架下的Hermite正交基前向神经网络数据融合算法。实验将变电站实验数据、巡视数据、监测数据作为基础数据，基于数据融合后的数据进行变电站风险评估以检测数据融合的效果，并与BP神经网络算法进行对此。实验结果表明，提出的算法较BP神经网络算法在融合速度上快2~3倍，且标准误差、平均绝对百分误差较小，即变电站风险评估精度更准确，解决了BP神经网络收敛速度慢、局部极小值、网络不确定的缺点。