能源互联网关联数据融合的互信息方法

发布时间：2017-09-19 02:42

  本文关键词：能源互联网关联数据融合的互信息方法

  更多相关文章： 能源互联网 大数据 信息融合 互信息(MI)

【摘要】：信息物理融合框架下的能源互联网需要处理的数据是海量的,要从中提取知识或分析数据之间的关联特征难度很大。在此背景下,基于互信息(mutual information,MI)理论,将信息融合理论中的"数据—特征—决策"三层结构应用到能源互联网的海量监测数据中,构建了一种基于多层模式的数据融合方案。互信息方法能够度量条件属性与决策属性间的相关性、消除冗余特征,从而提取规则、形成知识。首先,采用互信息方法发现海量监测数据间的关联度,并在数据预处理过程中筛选出关联特征。接着,采用多层前馈神经网络(multiple-layer feedforward neural network,MLFNN)对海量数据进行决策融合。之后,将该方法与在大规模数据集并行计算领域中发展起来的著名的MapReduce模型相结合,构造能够处理海量数据融合的"MutualInformation-Multiple-layer Feedforward Neural Network-MapReduce"(3M)方法框架。最后,以风电场功率预测问题为例来说明所提出的方法。计算结果表明,与传统的变量筛选方法相比,所提出的方法在预测精度和计算效率方面都有明显改善。
【作者单位】： 华北电力大学控制与计算机工程学院;国网浙江省电力公司经济技术研究院;浙江大学电气工程学院;文莱科技大学电机与电子工程系;
【关键词】： 能源互联网 大数据 信息融合 互信息(MI)
【基金】：国家自然科学基金项目(51407076) 中央高校基本科研业务费专项资金资助项目(2015ZD28) 河北省自然科学基金项目(F2014502050) 河北省高等学校科研项目(Z2013007) 国网浙江省电力公司经济技术研究院研究项目(JY02201403)~~
【分类号】：TM76;TM614
【正文快照】： 0 引言 能源互联网的发展被认为是第三次工业革命的核心内容之一。随着现代通信技术、网络技术、高性能分布式计算的广泛应用,以及交通网络、天然气网络等与智能电网的融合,能源互联网需要处理的数据将是海量的且呈现出典型的“4V”特征[1-3],即体量(volume)大、速度(velocit

【相似文献】

中国期刊全文数据库 前6条

1 税一秦;吕林;刘友波;;电力系统智能预警的数据融合应用[J];华东电力;2013年03期

2 卫平宝,郑亚锋,王维珍,薛昊洋;基于数据融合与统计的设备参数劣化分析[J];仪器仪表用户;2005年04期

3 刘玉苹;罗安;孟金岭;;一种基于数据融合的电能耗奖惩系统[J];计算机系统应用;2011年09期

4 胡涛;谭建军;黄勇;孙先波;易金桥;;多路数据融合在光伏电池组件监控系统中的应用研究[J];计算机工程与科学;2012年10期

5 田亮,曾德良,刘鑫屏,刘吉臻;基于数据融合的球磨机最佳负荷工作点判断[J];热能动力工程;2004年02期

6 ;[J];;年期

中国重要会议论文全文数据库 前1条

1 杨功流;杨君;刘玉峰;王文富;杨晔;;用数据融合理论减少壳体旋转低速误差的技术研究[A];全面建设小康社会：中国科技工作者的历史责任——中国科协2003年学术年会论文集（上）[C];2003年

中国硕士学位论文全文数据库 前4条

1 曲腾;基于城市智能照明感知系统的数据融合研究[D];大连理工大学;2013年

2 卫平宝;基于数据融合的设备参数劣化分析与状态评价[D];华北电力大学（河北）;2006年

3 孙向作;基于数据融合的电机故障诊断技术研究[D];中北大学;2008年

4 侯炜;数据融合在凝汽器清洁度判别及故障诊断中的应用[D];华北电力大学（河北）;2004年

，

本文编号：879020