电力需求侧大数据应用模型的建立
Establishment of Application Model of Big Data in Power Demand Side Management
摘 要
通过分析大数据的发展形势和最新研究成果，构建了大数据在电力需求侧的应用模型，以提升电力企业对电力客户的认知水平，以及电力企业的综合管理水平和经营效益。该模型以不低于6次/h的频率进行数据采集，通过电网现有光纤信道和无线宽带进行数据传输，利用云存储、数据消冗技术、数据压缩技术进行数据存储，利用云计算处理技术与传统数据处理技术结合进行数据挖掘，从而得出电力需求侧分析结果，用于指导电力企业的生产、销售、服务，并通过反馈机制，对国家政策、外部环境等产生积极的影响，从而使该模型不断自我适应。
需求侧管理
应用模型
数据挖掘
Big data
Demand side management
Application model
Data mining
Abstract
This paper analyzes the development situation of and the latest research achievements on big data, and proposes an application model of big data in power demand side to help electric power enterprises improve in respects of the cognitive level about electricity customers, the comprehensive management level and operational performance. This model will collect data with a frequency of no less than 6 times/h, transfer data through the optical fiber channel and wireless broadband existing in power grid, store data using cloud technology, data redundancy technology and data compression technology, and mine data by combining cloud computing technology with traditional data processing technologies. The power demand side analysis results could be used to guide electric power generation, sales and service. The feedback in this model would positively impact on national industrial policy and other outside circumstances to make this model self-adaptive continuously.
中图分类号 TM73 F426.61
所属栏目 研究与探索
基金项目 山西省电力公司重点科技项目（KJ2013-130）
收稿日期 2014/2/21
修改稿日期
网络出版日期
作者单位点击查看
备注王健（1973-），男，高级工程师，硕士研究生，从事通信管理工作。
引用该论文: Wang Jian,Song Shuting,Lan Junmei,Liu Bingyi. Establishment of Application Model of Big Data in Power Demand Side Management[J]. Power & Energy, 2014, 35(3): 283～286
王健,宋述停,兰俊美,刘冰旖. 电力需求侧大数据应用模型的建立[J]. 电力与能源, 2014, 35(3): 283～286
共有人对该论文发表了看法，其中：
人认为该论文很差
人认为该论文较差
人认为该论文一般
人认为该论文较好
人认为该论文很好
参考文献
【1】李皎．大数据时代到来对电力行业发展提出新要求［J］．华北电业，2012(4)：82-83．
【2】赵彬彬，李光强，邓敏．时空数据挖掘综述［J］．测绘科学，2010，35(2)：62-65．
【3】陈捷，唐世渭，杨冬青．面向移动环境的时空数据挖掘研究现状与展望［J］．计算机工程与应用，2002，38(16)：1-3．
【4】张林广．大数据量GIS网络分析算法的实现和优化研究［D］．中国科学院研究生院，2006．
【5】王继业．大数据与电力企业［J］．电力信息化，2012，10(8)：7．
【6】闫龙川，李雅西，李斌臣，等．电力大数据面临的机遇与挑战［J］．电力信息化，2013，11(4)：1-3．
【7】邢晶，熊劲，孙凝晖，马捷．一种支持EB级存储的可扩展存储空间管理方法［J］．计算机研究与发展，2013，50(8)：1573-1582．
【8】彭成，王树鹏，贾志凯．基于纠删码的数据消冗存储系统可靠性增强研究［J］．计算机研究与发展，2011，48(z1)：1-6．
【9】吴非．“云存储”助力构建海关报关单证电子档案库——基于OpenStack对象存储技术的集群存储系统的设计和实现［J］．上海海关学院学报，2013，34(1)：109-115．
【10】邓自立．云计算中的网络拓扑设计和Hadoop平台研究［D］．中国科学技术大学，2009．
【11】陈康，郑纬民．云计算：系统实例与研究现状［J］．软件学报，2009，20(5)：1337-1348．
【2】赵彬彬，李光强，邓敏．时空数据挖掘综述［J］．测绘科学，2010，35(2)：62-65．
【3】陈捷，唐世渭，杨冬青．面向移动环境的时空数据挖掘研究现状与展望［J］．计算机工程与应用，2002，38(16)：1-3．
【4】张林广．大数据量GIS网络分析算法的实现和优化研究［D］．中国科学院研究生院，2006．
【5】王继业．大数据与电力企业［J］．电力信息化，2012，10(8)：7．
【6】闫龙川，李雅西，李斌臣，等．电力大数据面临的机遇与挑战［J］．电力信息化，2013，11(4)：1-3．
【7】邢晶，熊劲，孙凝晖，马捷．一种支持EB级存储的可扩展存储空间管理方法［J］．计算机研究与发展，2013，50(8)：1573-1582．
【8】彭成，王树鹏，贾志凯．基于纠删码的数据消冗存储系统可靠性增强研究［J］．计算机研究与发展，2011，48(z1)：1-6．
【9】吴非．“云存储”助力构建海关报关单证电子档案库——基于OpenStack对象存储技术的集群存储系统的设计和实现［J］．上海海关学院学报，2013，34(1)：109-115．
【10】邓自立．云计算中的网络拓扑设计和Hadoop平台研究［D］．中国科学技术大学，2009．
【11】陈康，郑纬民．云计算：系统实例与研究现状［J］．软件学报，2009，20(5)：1337-1348．
相关信息
