基于电力大数据的用户用电量多维度自适应分析系统

针对电力大数据利用率差的问题,设计基于电力大数据的用户用电量多维度自适应分析系统。通过客户等级划分、用电行为分析、窃电行为异常识别以及电力需求预测进行用户用电量多维度分析。测试结果表明系统很好地完成了四个维度的分析业务,具有一定有效性、广泛应用价值,能有效提高电力大数据利用率。

基于密度的K-means算法在轨迹数据聚类中的优化

针对传统的K-means算法无法预先明确聚类数目,对初始聚类中心选取敏感且易受离群孤点影响导致聚类结果稳定性和准确性欠佳的问题,提出一种改进的基于密度的K-means算法。该算法首先基于轨迹数据分布密度和增加轨迹数据关键点密度权值的方式选取高密度的轨迹数据点作为初始聚类中心进行K-means聚类,然后结合聚类有效函数类内类外划分指标对聚类结果进行评价,最后根据评价确定最佳聚类数目和最优聚类划分。理论研究与实验结果表明,该算法能够更好地提取轨迹关键点,保留关键路径信息,且与传统的K-means算法相比,聚类准确性提高了28个百分点,与具有噪声的基于密度的聚类算法相比,聚类准确性提高了17个百分点。所提算法在轨迹数据聚类中具有更好的稳定性和准确性。

基于时序数据库的空气等级监测系统

为解决环境监测系统存在实时性差、区域性窄的问题,实现对自然空气氛围的有效保护,设计基于时序数据库的空气等级监测系统。利用C/S监测执行结构,提供传感器接口电路所需的连接执行条件,再联合Tomcat时序服务器,实现监测系统的硬件执行环境的搭建。在此基础上,确定系统运行所需的时序对象,通过构建倒排索引关系的方式计算具体的预聚合精度值,完成系统软件执行环境的搭建,结合相关硬件设备元件,实现基于时序数据库的空气等级监测系统的顺利应用。对比实验结果表明,与传统环境监测系统相比,基于时序数据库的空气等级监测系统的检测覆盖区面积更大、运行时效等级更高,可实现对自然空气环境的有效保护。

新基建下的电力物联管理平台实现

面对新基建带来的海量电力设备接入的挑战,研究了高性能电力物联管理平台,从技术路线、功能设计两方面进行了设计,实现了支持海量电力设备低延时接入、海量设备长连接和支持标准多协议的接入,满足了海量电力终端与数据的可管和可控。