基于流水线作业的配变重过载数据处理及预测方法
电网中的配电变压器数量众多,对于配电变压器重过载情况的评估和预判,一直以来都缺乏有效的在线监测方式和技术手段来支撑,主要依靠人工经验,这种传统的评估方式存在无法覆盖所有配电变压器和评估结果不准等问题.本文提出一个配变重过载数据处理及预测的流水线作业框架,基于该框架实现数据预处理、数据加载、模型训练、预测结果存储的自动化流水线作业.其中,在数据预处理阶段,通过MapReduce大数据技术,解决了处理100G+电流数据的性能问题,使得本方法可支持数量众多的配电变压器的数据加工.另外,在模型构建阶段,基于多层神经网络为每一个变压器构建一个独立的预测模型,充分考虑不同变压器的个性化特点,从而提升预测的准确性.同时,通过任务分片和并行计算,来提高模型训练过程的运行效率.
配电变压器、重过载、预测、流水线、大数据
2019-08-13（万方平台首次上网日期，不代表论文的发表时间）
共2页
209-210
