文献类型：期刊文章

作　　者：潘建宏[1] 张帆[2] 王磊[3] 张俊茹[4] 郝保中[2]

PAN Jianhong;ZHANG Fan;WANG Lei;ZHANG Junru;HAO Baozhong(State Grid Jilin Electric Power Company Limited,Changchun 130000,China;Big Data Center of State Grid Corporation of China,Beijing 100052,China;State Grid Liaoyuan Power Supply Company,Liaoyuan 136200,China;State Grid Baicheng Power Supply Company,Baicheng 137000,China)

机构地区：[1]国网吉林省电力有限公司,吉林长春130000 [2]国家电网有限公司大数据中心,北京100052 [3]国网辽源供电公司,吉林辽源136200 [4]国网白城供电公司,吉林白城137000

出　　处：《电子设计工程》

基　　金：国家电网有限公司总部科技项目(5700-202190175A-0-0-00)。

年　　份：2022

卷　　号：30

期　　号：16

起止页码：143-147

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

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。

关 键 词：多源异构  数据融合 随机森林  能源数据  多传感器

分 类 号：TP391] TN911.2[计算机类]