典型文献
基于多源异构的能源数据处理技术研究
文献摘要：
随着能源大数据的快速增长以及能源数据监测的传感器数量与种类急剧增加,导致电力数据质量和数据融合遇到了一系列问题,文中针对此问题开展基于多源异构的能源数据处理技术研究.基于随机森林的多源异构数据融合理论,建立了能源大数据训练网络.通过采用增量学习与离线学习的思想,在在线训练实时图像数据中搭建能源大数据的MCS-RF框架,有效解决了大数据的稀疏问题,并将离散数据转为适用于关联规则的数据,从而消除了能源大数据中的冗余信息.以SCADA系统内潮流数据作为样本数据而进行的数值仿真分析结果表明,与传统的基于残差算法相比,文中所提方法对能源不良数据进行识别所需的次数较少,且精度更高.
文献关键词：
多源异构;数据融合;随机森林;能源数据;多传感器
中图分类号：
作者姓名：
潘建宏;张帆;王磊;张俊茹;郝保中
作者机构：
国网吉林省电力有限公司,吉林长春130000;国家电网有限公司大数据中心,北京100052;国网辽源供电公司,吉林辽源136200;国网白城供电公司,吉林白城137000
文献出处：
引用格式：
[1]潘建宏;张帆;王磊;张俊茹;郝保中-.基于多源异构的能源数据处理技术研究)[J].电子设计工程,2022(16):143-147
A类：
B类：
异构的,能源数据,数据处理技术,处理技术研究,能源大数据,数据监测,致电,电力数据,数据质量,多源异构数据融合,融合理论,数据训练,增量学习,离线,在线训练,图像数据,MCS,RF,关联规则,冗余信息,SCADA,内潮,流数据,数值仿真分析,不良数据,多传感器
AB值：
0.344563
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
