基于大数据技术的变电站损耗分析研究

• 作者: 王松
• 来源期刊: 自动化技术与应用
• 关键词: 数据挖掘 半监督学习 深度学习框架
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 计算机应用|Computer Applications
• 页码范围: 38-41
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1003-7241.2021.06.010

摘要

为了实现对变电站损耗中可降低比例的识别,本文提出了一种基于数据挖掘和半监督学习的变电站能效模型,并使用该模型对使用电能力采集系统所收集的海量变电站电力数据进行聚类处理和机器学习实现对变电站可降低损耗比例的识别.该模型首先使用K均值聚类算法对变电站的电能供需特征进行建模,随后基于一种半监督的机器学习以优化变电站损耗模型,最后使用过程自动化方法确定造成变电站损耗的主要因素,识别变电站可降低损耗占总损耗的比例.实验结果证明该方法能够可靠预测变电站的电能损耗可降低比例,帮助电力公司了解造成变电站电能损耗的主要原因.