简介:摘要: 随着新一代智能电力系统的发展,坚强智能电网的快速发展,使得信息通信技术与电网生产和企业管理迅速融合,具有前所未有的广度和深度。信息通信系统已成为智能电网的“中枢神经”,支撑着新一代电网生产和管理的发展。随着电力体制改革的推进,按照“两头开放、中间控制”的原则,电力市场将逐步成为更加开放的市场,电力企业将面临更加严峻的竞争形势。同时,体验经济的到来,使得传统的非差异化客户服务模式无法满足客户日益差异化的服务需求。细分电力客户,提供准确的差异化服务已成为未来的发展方向。因此,在电力用户数据积累信息平台的基础上,利用大数据技术对电力用户特征进行深入分析,实施差异化服务战略,对电力行业提高客户满意度具有重要意义。
简介:摘要: 现如今,人们的生活质量在不断提高,对于电力的需求在不断加大, 针对电力大数据流的异常检测问题,该文将流数据聚类算法与电力大数据相结合,针对现有流数据聚类算法不易存储全部数据、断电数据易丢失等问题,以及流数据聚类算法对于离线阶段聚类算法实时应答的要求,从数据的完整性、安全性以及流数据聚类算法的低时间复杂度的角度出发,对 CluStream 流数据聚类算法进行改进,提出流式 K-means 聚类算法。对在线阶段,使用 Redis 集群进行流数据的缓冲,并设计节点时间衰减策略,增大心跳消息中有效消息所占比例;对离线阶段聚类算法进行优化,使用最佳距离法确定初始聚类中心,减少迭代次数;最后,使用所提出的流式 K-means 聚类算法进行用户用电异常行为检测,实验结果表明,该算法能够很好的发现用户用电异常行为。
简介:摘要:当今互联网中的数据样本的数量、种类、规模和复杂性的呈现爆炸式增长,同时每个端口以及服务器上需要进行检测的的网络流量的规模也大大提高。虽然目前的网络流量跨多个维度并具有很多属性,但可以提取用作异常流量检测的属性不多,因此,需要把数据集中蕴含的信息价值较大的属性筛选出来进行异常流量检测。基于以上特点,本文提出了改进的 K-Means算法,对原始 K-Means算法初始质心的选择方法进行优化,使得算法可以进行更方便迅速的初始簇的选择,来大大降低迭代时间。由于一般离群点检测模型的准确率较低,本文还使用了关联规则挖掘算法,来从无异常数据的网络流量样本中筛选出纯净网络流量的特征属性,再根据这些特征对网络流量进行离群点检测。
简介:[ 摘要 ] 双电源用户在进行电源切换时,如果发生异常,很容易造成停电检修设备倒送电现象,从而对电气工作人员的生命安全 造成 极大危害 ; 因此, 有必要 针对双电源用户倒送电现象,制定相应的防范措施,确保电力企业的稳定发展。 本文 就防止双电源用户倒送电 的相关管理措施和技术 措施进行 了探讨,对 防止双电源用户倒送电具有指导意义 。
简介:摘要:经济的发展,促进社会对电力的需求也逐渐增加,这有效地推动了电力企业的发展。电力作为我国一种特殊的国民商品,“先消费后付款”是其长期以来一直沿用的缴费方式。近年来,随着全球经济增速的减缓,我国各大传统行业均面临着经济压力,众多企业濒临资金链断裂的危险,由此造成的电费拖欠和电费回收风险已经成为电力企业面临的一个重大难题。因此,要求电力企业相关人员必须完善电费回收体系,创新电费回收模式,了解用户需求与心理,针对不同的风险做出行之有效的应对措施,灵活应对,建立与用户之间健康良好的消费关系,确保电费的顺利回收,是电力企业稳定发展的保障。本文就基于用户用电数据分析的电费回收方法展开探讨。