原创力文档- 1、本文档共6页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
第26卷 第12期 计 算机 技 术 与发 展 Vol.26 No.12
2016年12月 COMPUTERTECHNOLOGY AND DEVELOPMENT Dec. 2016
基于分布式计算的海量用电数据分析技术研究
1 1 1 2
蒋 菱 ,王旭东 ,于建成 ,袁晓冬
(1. 国网天津市电力公司,天津 300010;
2.江苏省电力科学研究院,江苏 南京 210036)
摘 要:用电行为分析技术对供电企业掌握用户用能方式、调整生产计划以及进行电网规划有着较大的现实意义。 传统用电行为
分析多利用少量样本数据,由于数据源覆盖面的问题往往容易造成结果偏差。 借助大数据技术,可以利用海量用电数据提高用电
行为分析的准确性。 针对用电行为分析在处理海量数据时效率低下的问题,提出了基于 MapReduce技术的模糊 C 均值聚类
(FCM)并行算法,通过将FCM算法的迭代过程分解到Map和Reduce两个步骤中,可以有效地提高聚类过程中数据对象和聚类中
心的相似度计算效率。 在此基础上,利用所提出的FCM并行算法对居民用电数据的四个特征进行聚类分析。 实验结果表明,所
提算法可以提高海量用电数据聚类分析的效率,证明了计算模型的可行性。
关键词:MapReduce;模糊C均值聚类;用电行为分析;大数据
中图分类号:TP39 文献标识码:A 文章编号:1673-629X(2016)12-0176-06
doi:10.3969/j.issn.1673-629X.2016.12.038
Research on Power Usage Behavior Analysis Based on
Distributed Computing
1 1 1 2
JIANG Ling ,WANG Xu-dong ,YU Jian-cheng ,YUAN Xiao-dong
(1.State Grid Tianjin Electric Power Company,Tianjin300010,China;
2.Jiangsu Electric Power Research Institute,Nanjing210036,China)
Abstract:The power usage behavior analysistechnology can be used to acquire costumer power usage pattern,adjust power generation
schedule and plan gird development.Thus,it ismeaningful to power grid company.Traditional power usage behavior analysis only uses
small volume of data.Thelimited data will drawtoinaccurateresult.Thisproblem canbe solvedbyusinglarge scale of data.In allusion
to theproblem about electricitybehavior analysisin thelowefficiency of dea
文档评论（0）