电力用户侧大数据分析与并行负荷预测

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 MapReduce 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。

  • 2021-04-17
  • 阅读343
  • 下载0
  • 11页
  • pdf

EC-IOT解决方案

全球行业数字化转型的浪潮孕育兴起,掀了新一轮产变 全球行业数字化转型的浪潮孕育兴起,掀了新一轮产变 革浪潮。这一波的显著特点是将“物”纳入智能互联,触发 革浪潮。这一波的显著特点是将“物”纳入智能互联,触发 革浪潮。这一波的显著特点是将“物”纳入智能互联,触发 革浪潮。这一波的显著特点是将“物”纳入智能互联,触发 革浪潮。这一波的显著特点是将“物”纳入智能互联,触发 产业服务及商模式创新,并对价值链、供应和行生 态产业服务及商模式创新,并对价值链、供应和行生 态产业服务及商模式创新,并对价值链、供应和行生 态深远影响;然而, 物联网是一个庞大复杂的系统不同行业深远影响;然而, 物联网是一个庞大复杂的系统不同行业深远影响;然而, 物联网是一个庞大复杂的系统不同行业深远影响;然而, 物联网是一个庞大复杂的系统不同行业不同应用场景各异,据第三方分析机构统计到 2020202020202020年将有超 过 500 亿的终端与设备联网 亿的终端与设备联网 ,未来超过 50% 的数据需要在网络边 的数据需要在网络边 缘侧分析、处理与储存 缘侧分析、处理与储存 ,如何解决海量 终端的联接和管理,如何解决海量 终端的联接和管理,如何解决海量 终端的联接和管理,如何解决海量 终端的联接和管理,如何解决海量 终端的联接和管理,如何解决海量 终端的联接和管理,如何解决海量 终端的联接和管理,如何解决海量 终端的联接和管理,如何解决海量 终端的联接和管理,如何解决海量 终端的联接和管理,如何解决海量 终端的联接和管理,如何解决海量 终端的联接和管理,如何解决海量 终端的联接和管理,如何解决海量 终端的联接和管理,数据的实时分析和处理,成为保障行业字化转型现难题。 数据的实时分析和处理,成为保障行业字化转型现难题。 数据的实时分析和处理,成为保障行业字化转型现难题。 数据的实时分析和处理,成为保障行业字化转型现难题。

  • 2021-04-14
  • 阅读343
  • 下载0
  • 9页
  • pdf