基于大数据跨平台的分布式实时数据采集技术实现

大数据已经成为国家战略,在各行各业得到了愈发广泛的应用,电网企业也呈现出其独有的大数据场景特征。电网企业的数据具有业务域多、数据量巨大、实时性要求高等特点,建立统一有效的大数据采集中心有利于电网企业大数据的管理,符合电网企业新的发展战略。电网企业终端传感器采集的数据有用户行为的文本数据、终端图片等图片数据、其他平台的海量镜像数据。随着终端的用户量和数据量与日俱增,数据中心必须能通过添加更多服务节点来扩展性能和负载能力,以保证高可扩展性和高可用性,从而满足电网企业业务发展的需要。

贝叶斯统计学习在变电站巡检图像预处理中的应用

电力巡检机器人工作环境较为复杂多变,导致其获取的光学图像中不可避免地存在噪声、像素缺失等问题,影响后续对图像中信息的提取和识别。针对该问题,将贝叶斯统计学习理论引入图像处理过程。首先在传统主成分分析(principal component analysis,PCA)的基础上提出1种基于Bernoulli-Beta共轭先验的噪声抑制模型,能够自动确定PCA中主分量的个数,同时自适应地实现图像中的噪声抑制;然后针对存在像素缺失情况下的图像重构问题,提出1种基于Gaussian-Wishart共轭先验的贝叶斯统计模型,该模型不需要训练样本即可有效地实现图像重构。最后采用变分贝叶斯期望最大(variational Bayes expectation maximization,VBEM)算法对2种模型中的参数进行求解。基于实测图像的实验结果验证了所提方法的有效性。

基于改进深度信念网络的电力欠费预警研究

"先使用,后付费"的营销方式导致电网公司电费回收不到位,难以支撑正常运转和获得基本效益。为了解决电力欠费对电网公司的不利影响,论文提出电力欠费预警智能预测的研究方法。将电费回收分为时间和金额两部分,结合相应的关联指标,建立参数自适应的深度信念网络,通过深度学习和训练对电力欠费情况精准预测。实验结果表明,与BP神经网络相比,深度信念网络更能准确预测出用户电费回收的未来情况,有效辅助电力企业制定用电和电费预警策略。

基于容器技术的多租户数据服务平台研究

针对电力行业数据应用集群过多、资源利用率低等问题,研究一套基于多租户容器技术,包含数据申请管理、资源虚拟化管理、容器平台运维管控等内容的以“提供多维数据服务”为特点的多租户数据服务平台,以实现数据应用统一建设与互不干扰,数据资产统一管理,数据集市独立运行的目的。

电网设备台账数据质量智能校验研究

随着电网设备台账数据质量智能化的发展,电力信息系统变得更为复杂,其数据质量智能校验也随之增大。如何对运检数据质量智能校验进行深层挖掘分析以及高级应用,是我们面临的新的挑战。本文阐述了电力数据质量智能校验的特点以及配网设备台账的状态诊断现状,并在此基础上提出了数据质量智能校验技术适应于运检业务的高级应用。

探究大数据时代的数据挖掘与数据资产运营

大数据时代背景下,数据也是一种资产,要求企业实现对数据的专业化挖掘,并从中获得价值,借鉴各行业的发展经验展开数据资产运营工作,将成为未来企业数据管理的重要发展方向。基于此,本文以数据挖掘与资产运营为研究对象,根据其优势分析怎样通过数据分析得到回报,并提出关于建立数据资产管理平台的建议。

基于大数据技术的电网数据质量监测和校验系统研究与开发

为了保障广州供电局生产域数据的规范性、准确性、完整性、及时性和一致性,确保各单位数据质量管理工作有效执行,广州供电局基于大数据技术对生产域的数据进行了数据质量监测和分析。通过对增量数据进行快速校验反应,从根源上减少了问题数据的产生;同时通过分布式计算模型,缩短了存量问题数据的校验时间,全面提升了生产管理信息系统的数据质量水平。

探究应用虚拟化技术构建新型应用云平台

随着虚拟技术不断发展,通过使用虚拟化技术构建数据中心,将传统的服务器、交换机和存储进行集成,并通过VMware虚拟化技术将所有服务器硬件资源集成到一个统一的资源池中,然后根据业务需求将现有的硬件资源划分为多台虚拟机,并通过统一的软件界面管理所有硬件和虚拟机。因此,大大提高了数据中心的安全性、稳定性、维护性和可伸缩性。

探析基于数据挖掘的城市配电网故障定位方法

随着时代的快速发展,现在科学技术和信息技术同时也在快速的发展,在这样的背景下,数据规模就变得越来越大。数据的增多导致传统的查询工具已经满足不了现在的需求,数据挖掘技术就要不断的进行改变。在处理大数据的时候要对一些有价值的数据信息进行分析,这样才能满足现实的需要。本文主要从分析电力系统里面的内容出发,研究对数据挖掘在城市配电网里故障定位工作中的应用进行了详细的分析,希望能够找出更好的关于数据挖掘的城市配电网故障定位的方法。