基于偏序约简的智能电网大数据预处理方法

发布时间：2017-10-11 09:01

  本文关键词：基于偏序约简的智能电网大数据预处理方法

  更多相关文章： 智能电网 大数据 偏序约简 数据预处理 MapReduce Hadoop

【摘要】：针对电力一次系统和电力信息系统的数据所具有的多维度、时空混杂等特征,建立了一种基于偏序约简的大数据属性约简预处理方法。该方法综合利用了MapReduce的可并行化优点,着眼于并发事件间的独立性,可以满足电力大数据属性维度与约简方面的覆盖要求。最后,分别以某光伏发电系统监测数据、变压器故障诊断数据和智能变电站通信系统实时性与可靠性预测数据为例,对属性约简进行模拟计算,并通过Hadoop平台进行测试,表明所提出的电力大数据属性约简方法性能优良。
【作者单位】： 华北电力大学控制与计算机工程学院;浙江大学电气工程学院;文莱科技大学电机与电子工程系;国网河南省电力公司;
【关键词】： 智能电网 大数据 偏序约简 数据预处理 MapReduce Hadoop
【基金】：国家自然科学基金资助项目(51477151,51407076) 河北省自然科学基金资助项目(F2014502050) 河北省高等学校科学研究项目(Z2013007) 中央高校基本科研业务费专项资金资助项目(2015ZD28)~~
【分类号】：TM76
【正文快照】： 上网日期:2016-02-16。0引言体量(Volume)大、增长迅速(Velocity)、类别(Variety)多、价值(Value)密度稀是大数据的“4V”特征[1]。而电力大数据的特征可以进一步概括为“3V3E”,其中“3V”分别是体量(Volume)大、类型(Variety)多和速度快(Velocity),3E分别是数据即能量(Energ

【相似文献】

中国期刊全文数据库 前2条

1 戴华平;;混杂时间事件图的最小初始标志计算方法[J];浙江大学学报(工学版);2006年02期

2 ;[J];;年期

中国硕士学位论文全文数据库 前2条

1 何洪展;B（H）的减偏序遗传子空间和保持减偏序的线性映射[D];陕西师范大学;2012年

2 张倩;B（H）的*偏序遗传子空间和保持*偏序的线性映射[D];陕西师范大学;2013年

，

本文编号：1011624