基于偏序约简的智能电网大数据预处理方法

被引:33
作者
李刚 [1 ,2 ]
焦谱 [1 ]
文福拴 [2 ,3 ]
宋雨 [1 ]
尚金成 [4 ]
何洋 [4 ]
机构
[1] 华北电力大学控制与计算机工程学院
[2] 浙江大学电气工程学院
[3] 文莱科技大学电机与电子工程系
[4] 国网河南省电力公司
基金
中央高校基本科研业务费专项资金资助;
关键词
智能电网; 大数据; 偏序约简; 数据预处理; MapReduce; Hadoop;
D O I
暂无
中图分类号
TM76 [电力系统的自动化];
学科分类号
080802 ;
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。
引用
收藏
页码:98 / 106
页数:9
相关论文
共 20 条
[1]   基于时间序列分析的输变电设备状态大数据清洗方法 [J].
严英杰 ;
盛戈皞 ;
陈玉峰 ;
江秀臣 ;
郭志红 ;
秦少鹏 .
电力系统自动化, 2015, 39 (07) :138-144
[2]   大数据环境下多决策表的区间值全局近似约简 [J].
徐菲菲 ;
雷景生 ;
毕忠勤 ;
苗夺谦 ;
杜海舟 .
软件学报, 2014, 25 (09) :2119-2135
[3]   基于不完备决策表的正区域属性约简的压缩差别矩阵方法 [J].
王婷 ;
徐章艳 ;
陈宇文 ;
岳明 .
计算机科学, 2014, 41(S1) (S1) :377-382
[4]   基于本体理论的智能电网广义数据管理模型 [J].
黄彦浩 ;
周孝信 .
电力系统自动化, 2014, 38 (09) :114-118
[5]   基于云计算技术的电力大数据预处理属性约简方法 [J].
曲朝阳 ;
陈帅 ;
杨帆 ;
朱莉 .
电力系统自动化, 2014, 38 (08) :67-71
[6]   智能电网大数据处理技术现状与挑战 [J].
宋亚奇 ;
周国亮 ;
朱永利 .
电网技术, 2013, 37 (04) :927-935
[7]   大数据管理:概念、技术与挑战 [J].
孟小峰 ;
慈祥 .
计算机研究与发展, 2013, 50 (01) :146-169
[8]   基于网格平台的电网故障诊断架构 [J].
王磊 ;
陈青 ;
李天友 ;
高湛军 ;
李兆飞 .
电力系统自动化, 2013, 37 (03) :70-76
[9]   MapReduce框架下并行知识约简算法模型研究 [J].
钱进 ;
苗夺谦 ;
张泽华 ;
张志飞 .
计算机科学与探索, 2013, 7 (01) :35-45
[10]   新的信息熵属性约简 [J].
张清华 ;
肖雨 .
计算机科学与探索, 2013, 7 (04) :359-367