國網中文多功能電表開孔67*67諧波峰值記錄

數據挖掘有別於(yu) 傳(chuan) 統的簡單數據分析。數據挖掘是從(cong) 大量的、不*的、有噪聲的、模糊的、隨機的實際應用數據中，提取隱含在其中但又潛在有用的信息和知識的過程。數據挖掘基於(yu) 大數據技術從(cong) 多種類型的數據中快速獲取知識，為(wei) 決(jue) 策人員提供客觀的決(jue) 策支持。借助數據挖掘方法分析變電站運維大數據，可以從(cong) 海量運維數據中找出潛在信息，幫助運維人員更有效地評估設備狀態。

       數據挖掘基本流程大致可分為(wei) 6大模塊，分別是業(ye) 務理解、數據理解、數據準備、建立模型、模型評估和應用改進。業(ye) 務理解即確定目標和明確分析需求;數據理解即數據收集和數據清洗，其中數據收集所抽取數據需要能夠正確反映業(ye) 務需求，否則所得到的分析結論將會(hui) 無效化甚至誤導化，數據清洗作用為(wei) “去噪"和“補全"，剔除原始數據中的壞數據和擬合缺失數據;數據準備即探索數據內(nei) 部規律和數據轉換，如歸一化、標準化等;建立模型即綜合考慮業(ye) 務需求目標，選擇全局較優(you) 的模型;模型評估即根據評價(jia) 標準對所建模型的精度、效率和通用性進行客觀評估，然後基於(yu) 評估結果判斷所建模型是否滿足業(ye) 務需求;應用改進即將模型應用於(yu) 業(ye) 務實踐，切實解決(jue) 業(ye) 務需求，挖掘數據的較大價(jia) 值，同時基於(yu) 應用情況及時跟蹤改進現有模型，以達到模型優(you) 化的目標。國網中文多功能電表開孔67*67諧波峰值記錄

       具體(ti) 運維大數據分析的關(guan) 鍵技術包括數據清洗、數據轉換、分類與(yu) 回歸、聚類分析、關(guan) 聯分析、時序模型和結構優(you) 化等。電力運維大數據的挖掘重點在於(yu) 綜合運用上述技術對海量的數據進行統計學分析，通過各種計算結果依次相互承接，得出相應結果。另外，分布式存儲(chu) 和並行化計算可以大大提高數據挖掘的效率，使分析係統性能達到質的提升。分布式存儲(chu) 適用於(yu) 大數據處理和批處理，如HDFS分布式存儲(chu) 係統;並行化計算是現有處理大數據的有效算法，如基於(yu) MapＲeduce的機器學習(xi) 和知識挖掘。國網中文多功能電表開孔67*67諧波峰值記錄