智慧用电监控系统采集数据分析-大数据分析在用电采集数据分析与监测
智慧用电监控系统数据分析主要是通过大数据智能算法来完成系统的分析工作,使用 apache spark
快速数据计算引擎提升数据的传输效率,在进行数据清洗和标准化处理后,使用聚类算法完成数据分析模型的构建,可以用于进行用电风险预测指挥、用电异常监测等。以某单位为例,在对原始用电信息进行处理后,排除节假日以及生产过程中出现的人为操作失误、设备故障、网络原因导致的信息缺失或者工作停止的状态,对功耗进行观察,可以有效地了解设备运行的状态,并且通过获得的数据,分析生产的具体情况,为后续的生产管理提供服务,具体的用电信息质量分析如图
1 所示。
1、用电信息特征
对用电信息特征进行分析,如表 1 所示,该表为某企业生产线用电信息变量的统计情况,可以发现电流和其他电量值之间的关系,利用 Python 对
pearson 系列矩阵进行计算,如表 2。
通过数据清晰、数据变换后可以进行一些数据信息的挖掘,比如,剩余电流预测。造成剩余电流较大的原因多种多样,比如,配电系统老化、配电系统所接负载过大以及电路设计不合理等问题,这些问题往往是不可预测的,现考虑剩余电流以及相关参量的关系,选择生产线在不同工作日的数据对样本进行汇总,使用灰色预测和神经网络分析的预测模型,将获得的数据导入模型对剩余电流的情况进行拟合,如图
2。
通过数据分析和拟合后,将数据结果输出,发现剩余电流预测存在一定的误差,但是总体效果较好,由数据分析可以了解剩余电流的变化趋势,在剩余电流值达到警戒值时,及时进行控制预防危险事故的产生。
2、生产分析
将预处理的数据送入 tab lean
内部数据管理框架中,对生产线在工作日和时间段方面的功率情况进行分析,可以有效地判断生产线的工作状态。在生产时,企业的生产线运行功率具有较大的波动(如图
3),但整体上还呈现正相关的关系。
智慧用电监测管理平台使用了大数据、物联网、云计算等多种技术,可以有效地采集用电器和线路当中的电力数据,并且通过多维度监管的模式,使电气数据通过物联网传送到云平台进行集中存储和分析,并且使用大数据进行分析,能够建立有效的故障预警和报警机制,并且挖掘数据,发现可能存在的电气安全隐患,提高生产效率。