基于云计算的电力系统数据挖掘的研究

发布时间：2017-04-13 18:17

  本文关键词：基于云计算的电力系统数据挖掘的研究，，由笔耕文化传播整理发布。

【摘要】：电力系统与人们的生活、工业的生产息息相关,电力系统的稳定运行关系到了国家工业领域的正常生产,国民的正常生活,随着信息化、数字化时代的到来,电力系统中各种智能终端设备的投入,智能电网、智能能源系统的建设,使得电力系统涌现出了大量电力数据,这些大量电力数据的背后隐藏着许多电力系统运行的宝贵信息,如何挖掘出这些宝贵的信息成为了电力系统亟待解决的问题。数据挖掘是利用数学的方法挖掘出隐藏在信息背后的价值,完成从知识到价值的转变,因此使用数据挖掘的方法来分析电力数据,从来为电力决策和电力数据分析提供参考,但传统的挖掘方法是基于单节点的串行挖掘,无法满足现在海量数据挖掘的需求,云计算依靠分布式存储和并行计算,可以把许多廉价的计算机组合成集群达到处理海量数据的目的,云计算的出现带来了新的曙光,本文采用云计算与数据挖掘相结合的方法来完成电力系统数据知识到价值的转变。首先研究了开源Hadoop云计算平台,以6台PC完成了实验集群的搭建,研究了K-means和Canopy聚类算法,并介绍了两种传统算法的流程,使用两种相结合的聚类算法来分析电力用户用电规律,同时研究了均以K-means聚类算法为基础的间隙统计法和肘形判据的辨识算法,研究了两种传统算法的流程,利用两种算法各自的特点,提出了两者相结合的辨识算法达到电力系统不良数据辨识的目的,基于Map Reduce模型将所有算法并行化,使其拥有海量数据处理的能力,通过实验,将所有的并行算法应用于实例,验证了提出的并行算法高效、可行。
【关键词】：云计算 数据挖掘 K-means Canopy 间隙统计法 肘形判据
【学位授予单位】：华北理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM76;TP311.13
【目录】：

• 摘要4-5
• Abstract5-8
• 引言8-9
• 第1章 绪论9-13
• 1.1 研究背景9
• 1.2 国内外研究现状9-11
• 1.2.1 云计算研究现状9-10
• 1.2.2 云技术在电力系统中的应用10-11
• 1.3 本文主要研究内容11
• 1.4 本文结构11-13
• 第2章 数据挖掘与云计算相关知识13-22
• 2.1 数据挖掘相关知识13-14
• 2.1.1 数据挖掘13-14
• 2.1.2 基于云计算的电力系统数据挖掘架构14
• 2.2 云计算相关知识14-20
• 2.2.1 分布式文件系统HDFS（Hadoop Distributed File System）17-18
• 2.2.2 分布式计算框架MapReduce18-20
• 2.3 本章小结20-22
• 第3章 云计算实验平台搭建22-28
• 3.1 Hadoop平台运行方式22
• 3.2 云实验平台搭建22-26
• 3.3 本章小节26-28
• 第4章 海量用电数据并行聚类分析28-43
• 4.1 传统的聚类算法28-31
• 4.1.1 k-means聚类算法28-29
• 4.1.2 Canopy聚类算法29-31
• 4.2 并行聚类算法31-37
• 4.2.1 并行k-means聚类算法设计31-32
• 4.2.2 并行k-means聚类算法具体实现32-33
• 4.2.3 并行Canopy聚类算法设计33-34
• 4.2.4 并行Canopy聚类算法具体实现34-37
• 4.3 实验仿真37-42
• 4.4 本章小节42-43
• 第5章 电力系统不良数据并行辨识43-59
• 5.1 间隙统计算法43-45
• 5.2 肘形判据45-46
• 5.3 基于间隙统计的肘形判据并行算法设计46-47
• 5.4 基于间隙统计的肘形判据并行算法实现47-50
• 5.5 实验仿真50-58
• 5.6 本章小节58-59
• 结论59-61
• 参考文献61-64
• 致谢64-65
• 导师简介65-66
• 作者简介66-67
• 学位论文数据集67

【相似文献】

中国期刊全文数据库 前10条

1 乌英格;陈宝平;;数据挖掘在客户关系管理中的应用[J];内蒙古科技与经济;2005年24期

2 焦健;王祥;;数据挖掘在美国本土安全中的应用[J];舰船电子工程;2006年01期

3 杨洋;;Web数据挖掘的分析与探讨[J];装备制造技术;2006年05期

4 刘娟;;Web数据挖掘及其在个性化网上购物实现的探讨[J];企业技术开发;2007年07期

5 李世超;麦范金;;数据挖掘在现代企业经营管理中的应用[J];桂林航天工业高等专科学校学报;2008年04期

6 崔永君;;数据挖掘的系统构成与发展趋势[J];硅谷;2009年03期

7 侯晓凌;;浅谈数据挖掘[J];科学之友(B版);2009年04期

8 张涛;;Web数据挖掘现状分析[J];科学之友(B版);2009年06期

9 黄雄伟;陈定方;祖巧红;;Web数据挖掘可视化研究与应用[J];湖北工业大学学报;2009年04期

10 王岩;;数据挖掘领域探索[J];硅谷;2010年05期

中国重要会议论文全文数据库 前10条

1 史东辉;蔡庆生;张春阳;;一种新的数据挖掘多策略方法研究[A];第十七届全国数据库学术会议论文集（研究报告篇）[C];2000年

2 张弦;;数据挖掘在农业中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

3 魏顺平;;教育数据挖掘:现状与趋势[A];信息化、工业化融合与服务创新——第十三届计算机模拟与信息技术学术会议论文集[C];2011年

4 关清平;沉培辉;;概率网络在数据挖掘上的应用[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年

5 丁瑾;;基于Web数据挖掘的综述[A];山西省科学技术情报学会学术年会论文集[C];2004年

6 聂茹;田森平;;Web数据挖掘及其在电子商务中的应用[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

7 李菊;王军;;数据挖掘在客户关系管理的应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

8 肖阳;李启贤;;数据挖掘在中国钢铁行业中的应用[A];中国计量协会冶金分会2012年会暨能源计量与节能降耗经验交流会论文集[C];2012年

9 杨磊;王贵成;汪勇;张占胜;;SQL Server 2005在数据挖掘中的应用[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 谢中;邱玉辉;;面向商务网站有效性的数据挖掘方法[A];第十八届全国数据库学术会议论文集（技术报告篇）[C];2001年

中国重要报纸全文数据库 前10条

1 本报记者褚宁;数据挖掘如“挖金”[N];解放日报;2002年

2 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年

3 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年

4 《网络世界》记者 王莹;数据挖掘保险业的新蓝海[N];网络世界;2012年

5 刘俊丽;基于地理化的网络数据挖掘与分析提升投资有效性[N];人民邮电;2014年

6 本报记者 连晓东;数据挖掘：金融信息化新热点[N];中国电子报;2002年

7 本报记者 凤小华 朱仁康;“数字挖掘软件”引领中国信息化新浪潮[N];中国电子报;2003年

8 本报记者　史延廷;“成功企业数据挖掘暨数量化管理论坛”在京举办[N];中国旅游报;2002年

9 朱小宁;数据挖掘：信息化战争的基础工程[N];解放军报;2005年

10 本报记者 王小平;从“大集中”走向数据挖掘[N];金融时报;2002年

中国博士学位论文全文数据库 前10条

1 于自强;海量流数据挖掘相关问题研究[D];山东大学;2015年

2 张馨;全基因组SNP芯片应用于CNV和L0H分析的软件比对与数据挖掘[D];复旦大学;2011年

3 彭计红;基于数据挖掘的痴呆中医证的研究[D];南京中医药大学;2015年

4 李秋虹;基于MapReduce的大规模数据挖掘技术研究[D];复旦大学;2013年

5 邬文帅;基于多目标决策的数据挖掘方法评估与应用[D];电子科技大学;2015年

6 谢邦彦;整合数据挖掘与TRIZ理论的质量管理方法研究[D];首都经济贸易大学;2010年

7 何伟全;云南高校学生意外伤害因素关联规则挖掘及风险管控体系研究[D];昆明理工大学;2015年

8 段功豪;基于多结构数据挖掘的滑坡灾害预测模型研究[D];中国地质大学;2016年

9 白晓明;基于数据挖掘的复合材料宏—细观力学模型研究[D];哈尔滨工业大学;2016年

10 蓝永豪（LAM Wing Ho）;基于数据挖掘技术分析当代中医名家痤疮验方经验研究[D];南京中医药大学;2016年

中国硕士学位论文全文数据库 前10条

1 林仁红;基于数据挖掘的机遇识别与评价研究[D];首都经济贸易大学;2007年

2 张彦俊;游戏运营中的数据挖掘[D];复旦大学;2011年

3 焦亚召;基于多核函数FCM算法在数据挖掘聚类中的应用研究[D];昆明理工大学;2015年

4 王杰锋;物联网能耗数据智能分析及其应用平台设计[D];江南大学;2015年

5 刘学建;数据挖掘在电子商务推荐系统中的应用研究[D];昆明理工大学;2015年

6 戴阳阳;基于数据挖掘的金融时间序列预测研究与应用[D];江南大学;2015年

7 石思优;基于主题模型的医疗数据挖掘研究[D];广东技术师范学院;2015年

8 陈丹;移动互联网信令挖掘实现智慧营销的设计与实现应用研究[D];华南理工大学;2015年

9 陈思;基于数据挖掘的大学生客户识别模型的研究[D];昆明理工大学;2015年

10 位长帅;基于客户数据挖掘的电信客户关系管理研究[D];西南交通大学;2015年

  本文关键词：基于云计算的电力系统数据挖掘的研究，由笔耕文化传播整理发布。

本文编号：304196