一种快速自适应的用电量数据深度挖掘和决策方法.docVIP

一种快速自适应的用电量数据深度挖掘和决策方法 　　摘要：本文针对现有电力网络中数据挖掘处理速度慢、平台兼容性差的问题，提出了一种快速自适应的用电量数据深度挖掘和决策方法，通过判决门限，实现对三种数据挖掘模型的快速选取和使用。实际测试结果表明，新方法有效提升用电量数据挖掘效率，降低决策时延8.6%。 　　关键词：数据清洗；数据挖掘；灰度；时间序列 　　中图分类号：TM7 文献识别码：A 文章编号：1001-828X（2016）009-0000-02 　　一、引言 　　海量用电数据的实时处理和快速分析是电网与客户能量流、信息流、业务流实时互动的新型供用电关系的基础，为实现市场响应迅速、收费方式多样、服务高效便捷提供重要保障。 　　灰度模型通过多数据关联分析特定目标的变化趋势，但依赖样本数据，导致预测误差变大；时间序列模型是观测值按照时间次序排列解释与变量的相互关系，其需要采集大量的数据进行验证；回归模型是对统计关系进行定量描述的一种数学模型，其通过采集数据返回对模型修正，准确度高但处理时延大。数据挖掘模型的综合处理性能仍有待提高，电力网络用电量预测的错误率达到30.53%。 　　针对现有电力网络中数据挖掘处理速度慢、平台兼容性差的问题，本文提出了一种快速自适应的用电量数据深度挖掘和决策方法，通过判决门限，实现对三种数据挖掘模型的快速选取和使用。实际测试结果表明，新