-
题名基于金融技术指标的用电数据分析
被引量：1
- 1
-
-
作者
杨安
蒋群
孙钢
殷杰
刘英
-
机构
浙江大学信息与电子工程学院
国网浙江省电力有限公司营销服务中心
浙江华云信息科技有限公司
-
出处
《计算机应用》
CSCD
北大核心
2022年第3期904-910,共7页
-
文摘
针对已有用电数据分析缺乏有效描述趋势性特征的不足,适应性地将金融领域中十字过滤线(VHF)、异同移动平均线(MACD)等技术指标迁移至用电数据分析中,提出了基于金融技术指标的异动检测算法和负荷预测算法。所提异动检测算法通过统计各指标的统计情况划定阈值,并采用阈值检测捕捉用户异常用电行为。所提负荷预测算法通过提取14项与金融技术指标相关的日负荷特征,构建了长短期记忆网络(LSTM)负荷预测模型。在杭州市工业用电数据上的实验结果表明,所提负荷预测算法将平均绝对百分比误差(MAPE)降低至9.272%,相较于差分整合移动平均自回归(ARIMA)算法、Prophet算法和支持向量机(SVM)算法,分别将MAPE降低了2.322、24.175和1.310个百分点,能够较好地应用于用电数据分析中。
-
关键词
用电数据分析
智能电网
金融技术指标
异动检测
负荷预测
长短期记忆网络
-
Keywords
power data analysis
smart grid
financial technical indicator
anomaly detection
load forecasting
Long Short-Term Memory(LSTM)network
-
分类号
TM714.3
[电气工程—电力系统及自动化]
-
-
题名基于Graph模型的海量用电数据并行聚类分析
被引量：21
- 2
-
-
作者
陶鹏
张洋瑞
李梦宇
李杰琳
-
机构
国网河北能源技术服务有限公司
国网河北省电力有限公司电力科学研究院
-
出处
《电力科学与技术学报》
CAS
北大核心
2020年第6期144-151,共8页
-
基金
国家自然科学基金(51677072)。
-
文摘
随着智能电网建设的不断深入,在配用电环节收集的监测数据越来越多,逐渐构成智能电网用户侧大数据。传统数据分析模式已经无法满足性能需求,迫切需要新的存储和数据分析模式来应对。提出基于阿里云大数据分析平台MaxCompute的海量用电数据聚类分析方法,该方法充分考虑用电数据的特点,设计基于多级分区表的用电数据存储模式,采用三相电压、三相电流、三相功率因数等建立多维数据特征,应用MaxCompute Graph框架设计实现高效的海量用电数据的聚类划分算法。实验结果表明,所设计的存储模式可有效提升用电数据的检索效率;通过对不同用电类型的用户进行聚类划分,聚类准确率达到88%,验证了聚类划分的有效性和高性能。
-
关键词
用电数据分析
大数据
聚类
GRAPH
云计算
-
Keywords
power consumption data analysis
big data
clustering
Graph
cloud computing
-
分类号
TM761
[电气工程—电力系统及自动化]
-
