基于分布式计算的海量用电数据分析技术研究

用电行为分析技术对供电企业掌握用户用能方式、调整生产计划以及进行电网规划有着较大的现实意义。传统用电行为分析多利用少量样本数据,由于数据源覆盖面的问题往往容易造成结果偏差。借助大数据技术,可以利用海量用电数据提高用电行为分析的准确性。针对用电行为分析在处理海量数据时效率低下的问题,提出了基于MapReduce技术的模糊C均值聚类(FCM)并行算法,通过将FCM算法的迭代过程分解到Map和Reduce两个步骤中,可以有效地提高聚类过程中数据对象和聚类中心的相似度计算效率。在此基础上,利用所提出的FCM并行算法对居民用电数据的四个特征进行聚类分析。实验结果表明,所提算法可以提高海量用电数据聚类分析的效率,证明了计算模型的可行性。