【摘 要】
：
随着园区级能源互联网的迅速发展,能源数据海量聚集,园区能源大数据分析显得越发重要,而电力数据作为能源数据的重要组成部分,开展园区电力数据采集分析成为园区能源大数据分析的关键.传统系统采集电力信息时,原始数据中缺省值和异常值较多,信息数据中存在噪声,导致系统管理效率和吞吐性能较差.为此,提出基于大数据分析的能源互联网电力信息管理系统.硬件设计方面,选取数据采集通道、通信接口、人机交互等,作为数据采集器主要组件,采用底板和核心板方式,优化电源电路;软件设计方面,利用能源互联网监控电力设备,通过大数据分析技术,
【机 构】
：
国网浙江嘉善县供电有限公司,浙江嘉兴314100
论文部分内容阅读
随着园区级能源互联网的迅速发展,能源数据海量聚集,园区能源大数据分析显得越发重要,而电力数据作为能源数据的重要组成部分,开展园区电力数据采集分析成为园区能源大数据分析的关键.传统系统采集电力信息时,原始数据中缺省值和异常值较多,信息数据中存在噪声,导致系统管理效率和吞吐性能较差.为此,提出基于大数据分析的能源互联网电力信息管理系统.硬件设计方面,选取数据采集通道、通信接口、人机交互等,作为数据采集器主要组件,采用底板和核心板方式,优化电源电路;软件设计方面,利用能源互联网监控电力设备,通过大数据分析技术,挖掘电力信息数据,预处理后导入数据库,记录电力信息属性和联系,为管理者提供支持度较高的关联数据.实验结果表明,设计系统相比传统系统,缩短了数据插入时间、访问时间、计算时间,提高了信息管理效率,同时提高了数据库读写速度,保证了园区系统电力信息数据的吞吐性能,能够满足长期运行需求.
其他文献
针对现有公路边坡危岩体缺乏有效监控预警的问题,提出一种基于改进灰色GM(1,1)模型的公路边坡危岩体监控预警系统,以实现边坡的自动化监控与报警.对此,首先提出本系统构建的思路,然后按照思路分别对边坡现场数据采集、边坡稳定性评价等模块进行详细设计.其中,在边坡危岩体稳定性评价中,采用可变长度滑动窗对标准灰色GM(1,1)预测模型进行改进,以提高对稳定性系数k的预测精度.最后,通过仿真和系统构建的方式,验证了上述提出的基于改进灰色GM(1,1)模型在公路边坡危岩体监控预警的有效性,为公路边坡危岩体监控预警提供
针对日语短时语音识别准确率较低、系统鲁棒性有待提高的问题,研究提出一种基于DBN深度学习的日语识别方法.通过对DBN模型结构和其训练方法进行分析,构建了基于DBN深度学习的日语识别系统,明确了该系统的识别流程,并通过仿真实验对系统性能进行了验证.结果 表明,本研究基于DBN深度学习的日语识别方法,具有良好的日语识别效果,相较于传统基于深度学习的HMM模型,在不同时长的日语语音输入序列在识别准确率上,本研究方法的准确率具有明显提升,识别错误率也明显下降.
常用机器人人机交互模块自动优化方法,采集人体数据存在噪声,测量数据和真实数据误差较大,导致交互作用下机器人到达目标点的距离偏差较大.针对这一问题,研究智能翻译机器人人机交互模块自动优化方法.映射相机坐标系到机器人基坐标系,定位机器人视觉,抓取人手目标对象,平滑滤波采集图像,消除测量数据噪声误差,定义手势和运动方式对应关系,识别手轮廓和指尖数量,手势交互控制机器人运动方式.布置简单、一般复杂、复杂障碍环境,设置对比实验,结果表明,设计方法相比常用方法,减少了机器人到达目标点的距离偏差,保证了手势交互控制精度