本文關鍵詞：基于聚類算法的大用戶用電行為研究與應用

  更多相關文章： 聚類算法 大用戶用電行為分析 Spark 配電變壓器預警

【摘要】：隨著計算機和網絡技術在電力企業(yè)持續(xù)深入的應用,電力企業(yè)的數(shù)據積累越來越多,這部分數(shù)據在一定程度上反應了供電企業(yè)長久以來的運行狀況。采用大數(shù)據和云計算等新技術探索大用戶用電行為和特征,并為大用戶提供定制的電力服務逐步成為了電力市場關注的重點問題,同時也能夠對電力行業(yè)的發(fā)展與進步帶來新的方向。本文首先介紹了聚類算法和大用戶用電行為的國內外研究現(xiàn)狀和研究成果,分析了大用戶用電行為的特點,研究了使用K-聚類算法和大數(shù)據技術對大用戶用電進行挖掘和分析的方法;其次介紹了常用的聚類算法和相似性度量,并闡述了本文所用到的大數(shù)據框架Spark和YARN資源管理平臺。然后對聚類K-均值算法的基本思想進行了分析,并針對K-均值算法的不足之處,提出了一種基于優(yōu)化初始聚類中心的改進算法。為驗證算法的聚類有效性和加速比,分別采用UCI數(shù)據集和電力用戶大數(shù)據集,將改進的算法的應用提交到Spark集群上,實現(xiàn)了算法的并行化,并通過實驗結果對比分析,驗證了提出的改進K-均值算法比現(xiàn)有的K-均值算法具有更好的聚類效果和加速比。最后,為了深入研究大用戶用電的行為及其特征,本文分別從用戶細分、配電變壓器負荷超載預警、用電優(yōu)化建議、停電計劃管理等方面進一步對大用戶用電進行了分析。根據分析結果,使用軟件工程學的方法和基本流程,從系統(tǒng)需求分析、開發(fā)環(huán)境、系統(tǒng)結構設計、模塊用例、系統(tǒng)測試等方面,設計并開發(fā)了基于Spark平臺的大用戶用電行為分析系統(tǒng),通過大數(shù)據技術和可視化技術,形象地對大用戶用電行為進行了展示。該系統(tǒng)更好地實現(xiàn)了將大數(shù)據技術應用到電力行業(yè)的信息化建設方案。
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM73;TP311.13

【參考文獻】

中國期刊全文數(shù)據庫 前10條

1 胡俊;胡賢德;程家興;;基于Spark的大數(shù)據混合計算模型[J];計算機系統(tǒng)應用;2015年04期

2 溫馨;羅侃;陳榮國;;基于Shark/Spark的分布式空間數(shù)據分析框架[J];地球信息科學學報;2015年04期

3 董春濤;李文婷;沈晴霓;吳中海;;Hadoop YARN大數(shù)據計算框架及其資源調度機制研究[J];信息通信技術;2015年01期

4 楊曉芳;;電力大客戶用電信息采集系統(tǒng)的應用[J];中國電力教育;2014年26期

5 彭顯剛;賴家文;陳奕;;基于聚類分析的客戶用電模式智能識別方法[J];電力系統(tǒng)保護與控制;2014年19期

6 謝娟英;高紅超;;基于統(tǒng)計相關性與K-means的區(qū)分基因子集選擇算法[J];軟件學報;2014年09期

7 顧榮;王芳芳;袁春風;黃宜華;;YARM:基于MapReduce的高效可擴展的語義推理引擎[J];計算機學報;2015年01期

8 劉義;景寧;陳犖;熊偉;;MapReduce框架下基于R-樹的k-近鄰連接算法[J];軟件學報;2013年08期

9 靖小平;彭小圣;姜偉;周文俊;周承科;唐澤洋;;基于K-Means聚類算法的自動圖譜識別在電纜局部放電在線監(jiān)測系統(tǒng)中的應用[J];高電壓技術;2012年09期

10 趙彥榮;王偉平;孟丹;張書彬;李均;;基于Hadoop的高效連接查詢處理算法CHMJ[J];軟件學報;2012年08期

，

本文編號：1176648