隨著我國智能配電網(wǎng)的建設和發(fā)展,各種信息化系統(tǒng)在配電網(wǎng)中得到廣泛應用,配電網(wǎng)智能化、信息化程度也隨之不斷提高。各系統(tǒng)中記錄了配電網(wǎng)大量運行數(shù)據(jù),其中蘊含著配電網(wǎng)運行維護的隱含規(guī)律。如果能夠充分挖掘其中的隱含規(guī)律,則能為配電網(wǎng)日常運維工作提供支撐。目前,配電網(wǎng)信息化系統(tǒng)數(shù)據(jù)規(guī)模還在激增,數(shù)據(jù)復雜度也在不斷升高,利用傳統(tǒng)數(shù)據(jù)挖掘手段已經(jīng)難以從中挖掘出運行維護過程中的隱含規(guī)律。大數(shù)據(jù)技術近年來蓬勃發(fā)展,在挖掘多源異構(gòu)數(shù)據(jù)中展現(xiàn)了強大的優(yōu)勢,已經(jīng)廣泛應用于經(jīng)濟、醫(yī)療、交通等領域。將大數(shù)據(jù)技術運用到配電網(wǎng)數(shù)據(jù)中,可以高效、深入地挖掘出有用價值,輔助電網(wǎng)人員進行運維決策。本文將大數(shù)據(jù)技術運用到配電網(wǎng)運維數(shù)據(jù)挖掘研究中,探索出了一條從配電網(wǎng)數(shù)據(jù)獲取、數(shù)據(jù)預處理、數(shù)據(jù)挖掘到可視化展示的完整大數(shù)據(jù)運用路線。本文著重從配電網(wǎng)運維水平評價和運維事件序列關聯(lián)挖掘兩個方面進行數(shù)據(jù)挖掘和可視化展示。本文工作主要有以下幾個方面:(1)總結(jié)和介紹了大數(shù)據(jù)平臺、大數(shù)據(jù)挖掘技術、大數(shù)據(jù)可視化技術,并搭建了研究所需的大數(shù)據(jù)集群。大數(shù)據(jù)平臺主要介紹了Hadoop生態(tài)系統(tǒng),以及HDFS和MapReduce兩個主要部分。大數(shù)據(jù)挖...

【文章頁數(shù)】：85 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 背景及意義
    1.2 國內(nèi)外研究動態(tài)
        1.2.1 大數(shù)據(jù)概念
        1.2.2 電力大數(shù)據(jù)應用現(xiàn)狀
        1.2.3 配電網(wǎng)運維數(shù)據(jù)研究現(xiàn)狀
    1.3 本文的組織結(jié)構(gòu)安排
第二章 大數(shù)據(jù)關鍵技術
    2.1 Hadoop生態(tài)系統(tǒng)
        2.1.1 Hadoop平臺總體框架
        2.1.2 HDFS分布式文件系統(tǒng)
        2.1.3 MapReduce并行計算框架
    2.2 大數(shù)據(jù)挖掘技術
        2.2.1 數(shù)據(jù)挖掘概念及步驟
        2.2.2 數(shù)據(jù)挖掘方法分類
    2.3 大數(shù)據(jù)可視化技術
        2.3.1 可視化定義
        2.3.2 可視化工具
    2.4 聚類算法
        2.4.1 相關概念及定義
        2.4.2 常用聚類算法
    2.5 多維序列模式挖掘算法
        2.5.1 相關概念及定義
        2.5.2 序列模式常用算法
    2.6 本文搭建的大數(shù)據(jù)平臺
        2.6.1 搭建環(huán)境
        2.6.2 Hadoop平臺搭建過程
    2.7 本章小結(jié)
第三章 配電網(wǎng)運維數(shù)據(jù)分析及預處理
    3.1 數(shù)據(jù)挖掘工作流程
    3.2 配電網(wǎng)數(shù)據(jù)源分析
    3.3 配電網(wǎng)運維數(shù)據(jù)獲取
        3.3.1 運維數(shù)據(jù)來源
        3.3.2 運維數(shù)據(jù)獲取
    3.4 運維數(shù)據(jù)預處理
        3.4.1 數(shù)據(jù)清洗
        3.4.2 數(shù)據(jù)合并
        3.4.3 綜合評價建模數(shù)據(jù)處理
        3.4.4 序列挖掘建模數(shù)據(jù)處理
    3.5 本章小結(jié)
第四章 結(jié)合聚類算法和雷達圖的配電網(wǎng)運維水平綜合評價
    4.1 k-均值聚類算法
        4.1.1 k-均值聚類算法缺陷分析
        4.1.2 基于密度的初始聚類中心選擇
        4.1.3 k值選取方法
        4.1.4 算法優(yōu)化驗證
    4.2 結(jié)合聚類分析和雷達圖的綜合評價方法
        4.2.1 聚類分析優(yōu)勢和不足
        4.2.2 綜合評價方法
    4.3 改進雷達圖評價方法
        4.3.1 傳統(tǒng)雷達圖評價及缺陷分析
        4.3.2 雷達圖改進方法
    4.4 算法驗證與結(jié)果展示
        4.4.1 聚類結(jié)果評價
        4.4.2 綜合評價結(jié)果分析
    4.5 本章小結(jié)
第五章 基于序列關聯(lián)的多指標關聯(lián)分析及可視化
    5.1 序列模式選取依據(jù)
    5.2 完整序列劃分方法
    5.3 PrefixSpan算法挖掘過程
    5.4 序列挖掘結(jié)果可視化方法
    5.5 算例分析
        5.5.1 序列長度為2挖掘結(jié)果
        5.5.2 序列長度為3挖掘結(jié)果
        5.5.3 挖掘結(jié)果可視化展示
    5.6 本章小結(jié)
第六章 全文總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
致謝
攻讀學位期間發(fā)表的學術論文
學位論文評閱及答辯情況表



本文編號：3790023