简介:摘要:目前,暴露在室外的铁路电力箱变因天气及室外温度的影响,常出现超温误报警情况,而根据要求,每次电力箱变产生超温报警后,工作人员必须到达现场查看检修,因此电力箱变超温误报警情况极大地浪费铁路的人力物力。针对这一问题,本文提出了一种通过对于诸如温度,光照强度,空气湿度,风速等多种气象因素的实时监测,利用支持向量机( Support Vector Machine, SVM)的技术手段,通过大数据聚类分析铁路电力箱变工作过程中的温度状态异常与否的方法。
简介:摘要:电力企业在经过长期发展已经实现了稳定持久的电力供应,并且在现阶段我国电力企业逐渐增多,电力市场也最开始的卖方市场,逐渐转变成了卖方市场,为保证电力企业能具有良好的发展前景以及发展规模,也就需要电力企业能通过有效的方式做好市场营销。而在目前的电力市场之中还存在着较多的问题影响着电力企业的营销效果。针对电力市场随机性、多变量和时变性的特点导致电力客户服务需求预测值不准确的问题,提出了一种基于大数据分析的电力客户服务需求预测方法。该方法依托于贵州地区的智能电网大数据,从区域商业价值和区域宏观经济角度来采集数据并通过挖掘其中的关联信息,建立了电力客户的细分模型;并在客户细分模型的基础上,使用BP神经网络算法建立了电力客户的需求预测模型。