摘要：为提高电力系统能源负荷预测的效率和精度,提出了一种基于云平台的电力系统能源负荷预测方法。首先,为提高电力系统采集数据的入库效率和查询效率,提出一种分布式的数据采集系统结构框架,并设计了大数据云平台架构;其次,运用极限学习机对区域日负荷进行了准确预测。研究结果表明,该方法有效提高了电力系统能源负荷预测的效率和精度,为电力管理和调度部门及时制定调度计划与运控策略提供了科学决策的依据。

摘要：多源数据挖掘过程中,由于缺少参数分析,导致数据挖掘不完整且精准度较低,为了解决这类问题,提出主数据管理驱动下多源数据数字化挖掘方法。分析主数据管理驱动挖掘原理,通过适配器驱动模块传递数据,借助接口器支配与处理数据。使用克里格数据挖掘算法调整参数并处理“脏数据”后,设计数据挖掘流程。实验结果显示,主数据管理驱动挖掘方法挖掘数量与实际值相差最小为40个,数据挖掘完整度较高。在检测数据为8000个时,挖掘精准度达到95%,能够为多源数据归一化提供技术支持。

摘要：针对传统的数据可信度评估模型存在分类适应性较差的问题,设计一种基于指数分层结构算法的数据可信度评估模型。分析实际数据资产管理过程,建立数据可信度评估指标体系;按照数据类型和数据间存在的周期性关系补充待评估数据中的缺漏数据,完成对待估数据的预处理;将数据归一化后生成数据集合,并根据数据间的相关系数建立亚超度量空间,生成指数分层结构树,结合层次分析法完成对可信度模型的设计。实验结果表明,与传统评估模型相比,所提模型的分类适应性更强,数据查全率更高,应用优势更明显。