基于分布式计算的海量用电数据分析技术研究

合集下载

基于大数据技术的新一代电能量数据平台

基于大数据技术的新一代电能量数据平台摘要：随着智能电表全覆盖和低压集抄全覆盖建设工作的推进，对电能量数据需求越来越多，网级电能量数据平台采集数据项和密度都呈几何级数增加。

面对海量的用电数据，当前网级平台在多方面已出现瓶颈。

故此，文章对大数据环境下网级电能量数据平台建设展开研究与分析，阐述网级电能量数据平台建设原则、系统框架等，综合利用分布式消息队列技术、NoSQL型数据库、Spark Steaming、HDFS等技术。

旨在确保网级电能量数据平台的功能与效果，提升电力企业电力服务质量，推动电力企业发展。

关键词：电力系统；大数据；电能量数据平台；分布式并行处理Construction of electrical information acquisition system base on large data environmentHuang Ningyu（Anshun Power Supply Bureau of Guizhou Power Grid Co.,Ltd，Anshun,561000） Abstract:With the advancement of the full coverage of the smart meter and thelow-voltage ensemble in China Southern Power Grid and the number of acquisition devices is increasing sharply with large amounts of data flooding into the system.In the face of massive power consumption data,the current network-level platform has bottlenecked in many aspects.Therefore,the article studies and analyzes the construction of network-level electric energy data platform in big data environment,expounds the construction principle and system framework of network-level electric energy data platform,and comprehensively utilizes distributed message queue technology,NoSQL type database,Spark Steaming,HDFS.It aims to ensure the functions and effects of the network-level electric energy data platform,improve the power service quality of power companies,and promote the development of power companies.0序言随着智能电网的不断建设，电能量数据作为智能电网建设中关键基础数据，为智能电网决策提供数据支撑。

基于分布式系统的大数据存储与处理研究

基于分布式系统的大数据存储与处理研究大数据存储与处理技术是当前科技领域的一个热门研究方向，随着网络技术的不断发展和物联网的快速发展，数据的规模和复杂性呈现爆炸式增长。

传统的单机存储和处理已经无法满足大规模数据的需求，因此分布式系统成为了解决大数据存储与处理问题的有效技术手段之一。

本文将对基于分布式系统的大数据存储与处理技术进行研究和探讨。

在大数据存储与处理技术中，分布式系统通过将数据分散存储在多个节点上，并使用并行处理技术来实现高效的数据处理。

分布式存储系统是大数据处理的基础，它可以将海量的数据分布式地存储在多个存储节点上，从而实现数据的高可靠性和高并发访问。

分布式存储系统常用的技术包括分布式文件系统（如HDFS）、分布式键值存储系统（如Redis）等。

分布式文件系统是一种用于存储大规模数据的分布式存储系统。

Hadoop Distributed File System（HDFS）是大数据处理领域中最流行的分布式文件系统之一。

HDFS具有高可靠性、高吞吐量和可扩展性的特点，通过数据块的分布式存储和备份来实现数据的容错、高可用和高可靠性。

HDFS采用了主从架构，其中包括一个主节点（NameNode）和多个从节点（DataNode）。

主节点负责管理文件系统的元数据，而从节点负责实际存储数据块。

HDFS的设计使得它能够适应大数据场景下的高速读写和并发访问需求。

分布式键值存储系统是另一种常见的大数据存储技术，它将数据存储为键值对的形式。

Redis是一种流行的开源分布式键值存储系统，它具有高性能、高可用性和可扩展性的特点。

Redis支持多种数据结构，如字符串、哈希表、列表、集合等，使得它可以满足不同类型的数据存储和处理需求。

Redis还支持数据的持久化存储和高可用性的备份机制，确保数据的安全和可靠性。

在大数据的处理过程中，Redis还可以用作分布式缓存，提高数据的访问速度和处理效率。

在大数据处理方面，分布式计算框架是必不可少的工具。

大数据分析技术在电力系统中的应用研究

大数据分析技术在电力系统中的应用研究随着信息技术的迅猛发展和电力系统规模的不断扩大，电力系统数据规模呈现爆发式增长的趋势。

如何高效地管理和分析这些海量的数据成为电力系统运营和管理的关键问题。

而大数据分析技术的出现，为电力系统提供了新的解决方案。

本文将探讨大数据分析技术在电力系统中的应用研究，并分析其对电力系统运营和管理的影响。

一、大数据分析技术在电力系统的数据管理中的应用电力系统运营和管理需要处理大量的数据，包括实时监测数据、历史运行数据、设备运行数据等。

传统的数据管理方式已经难以满足电力系统数据规模的增长和管理的需求。

而大数据分析技术通过引入分布式计算、并行处理、数据压缩等手段，可以高效地管理和处理海量的电力系统数据。

首先，大数据分析技术可以提供高效的数据存储和检索机制。

传统的数据库技术在面对海量数据时性能下降明显，而大数据分析技术可以通过分布式文件系统和分布式数据库等机制将数据存储在多个节点上，实现数据的分布式存储和检索，从而提高数据的访问效率和可扩展性。

其次，大数据分析技术可以实现对电力系统数据的实时处理和分析。

传统的数据处理方式需要将数据先存储到数据库中，然后再进行离线处理和分析。

而大数据分析技术可以通过流式计算和实时分析等技术，在数据流经过时进行实时处理和分析，实时反馈异常和故障信息，从而提高电力系统的运行效率和安全性。

再次，大数据分析技术可以实现对电力系统历史数据的深度挖掘和分析。

传统的数据分析方式往往局限于从数据中提取简单统计指标，而对于复杂关联关系和异常模式的挖掘较为困难。

而大数据分析技术可以通过数据挖掘和机器学习等方法，对电力系统历史数据进行深度挖掘和分析，发现隐藏的规律和关联，为电力系统的优化和决策提供科学依据。

二、大数据分析技术在电力系统的故障诊断和预测中的应用电力系统的故障诊断和预测对于保障电力系统的安全稳定运行具有重要意义。

而大数据分析技术可以通过挖掘和分析电力系统的运行数据，实现对故障的诊断和预测。

基于Hadoop的海量电信数据云计算平台研究

人网等大型网站上都已经得到了应用．是目前应用最为广
Ｈｄｏ是由Ａａｈ基金会组织开发的分布式计算开ａｏｐｐｃｅ
源框架，利用低廉设备搭建大计算池，以提高分析海量数据的速度和效率，是低成本的云计算解决方案。其模仿和实现
了Ｇｏｌ云计算的主要技术。ＨＦ（ａｏｉｒｕｄｏｇｅ包括ＤＳＨｄｏｄｔｔｐｓｉｅｂ
Ｈｄｏｏｍｎ支撑ＨｄｏａｏｐＣｍｏ：ａｏｐ的公共部分．是最底层的模块，为其他子项目提供各种工具。ＨＦ：是一个主从（ａｅｓｖ）结构．由一个ＤＳｍｓｒｌｅｔ／ａＮｍＮｄ（ａｅｏｅ名称节点）和若干个Ｄｔｏｅ数据节点）ａＮｄ（ａ构成，ａｅｏｅＮｍＮｄ管理文件系统的元数据，ａＮｄ存储实际Ｄｔｏｅａ数据。Ｍｐｅｕｅ处理海量数据的并行编程模型和计算框ａＲｄｃ：架，采用“ 分而治之” 思想，包括分解任务的ｍｐ函数和汇ａ总结果的ｒｕｅｅｃ函数，ａＲｄｃ任务由一个ＪｂｒｋｒｄＭｐｅｕｅｏＴａｅｃ和若干个ＴｓｒｋｒａＴａｅ控制完成．ｂｒｋｒｋｃＪＴａｅ负责调度和管ｏｃ
平台在设计上采用分布式、分层结构．可以划分为数据层、
模型层、应用层３层结构，如图２所示。（）１数据层
理ＴｓｒｋｒＴｓｒｋｒａＴａｅ，ａＴａｅ负责执行任务。ｋｃｋｃ
Ｐ：Ｌｉ语言，ｉＳ —ｅｇＱｌｋ是在ＭｐｅｕｅａＲｄｃ上构建的一种高级查询语言，以简化ＭｐｅｕｅａＲｄｃ任务的开发。Ｈｖ：ｉ数据仓库工具，ＳＬ查询功能。ｅ提供ＱＨａｅ基于列存储模型的分布式数据库。ｂｓ：

分布式计算在电能量计量系统中的研究与应用

分布式计算在电能量计量系统中的研究与应用摘要:在当前智能电网发展的大背景下,采用分布式计算模式具有一定现实意义。

本文结合分布式电能量计量系统的整体架构,对分布式计算在电能计量系统中的作用及具体应用进行分析与讨论。

关键词:分布式计算电能量计量系统电能量采集负载均衡应用以当前我国电能量计量系统装备来看,主要为单相有功电度表或三相有功电度表,负控、集抄终端等,但人工抄表现象仍然存在,既浪费时间、人力,又容易出错;另外,由于普通电度表的线损问题、人为窃电问题,造成个别地区电价持续上升,给用户带来了诸多不便。

因此,如何改进电能计量和计费方法,已成为当前供电发展必须思考的话题,分布式计算在电能计量系统中的研究与应用具有重要意义。

1 分布式电能量计量系统概述随着计算机技术的广泛应用,在用电管理方面也起到积极作用。

计算机管理系统的应用便捷、查询简单,可节约较大的时间和人力,提高了工作效率与工作质量。

目前,企业级别的电力负荷监测系统、电力负荷控制系统已经在一些地区应用,效果相对较好。

但是我国普通的低压电力用户数量庞大、分布在不同区域,不能采取企业级点对点的抄表方法,其传输信道、设备数量等都将受到限制。

结合这一实际情况,该系统中考虑将数据直接传输到主计算机中,通过主计算机再发布到管理中心,全程实施分布式控制方法[1]。

为了支持电力系统自动计量和自动计费,设计应用了分布式电能计量与计费系统,该系统主要分为四大系统:(1)数据采集系统。

(2)应用服务器及数据库管理系统。

(3)电能量计量平台支撑软件。

(4)电能量计量终端。

该系统结构如图1所示。

在该系统中,以负载均衡的服务器作为中央控制机,在整个系统中承担管理的重任;通过冗余以太网的双网结构,将系统中所有的中央控制机与网络连接,实现数据共享。

另外,将数据采集系统安装到二次侧中,管理电网运行中的各项参数,最终将这些参数传输到中央控制机即可。

在用户终端,包括了电子电度表、计算机控制两大部分,为全电子构造模式[2]。

基于Hadoop的大数据分析与处理研究

基于Hadoop的大数据分析与处理研究随着互联网的发展，数据量也随之呈现爆炸式的增长。

如何有效的处理这些海量数据是目前亟待解决的问题。

Hadoop作为开源的分布式计算框架，已经成为了大数据处理的主要选择。

本文将着重讲解基于Hadoop的大数据分析与处理研究。

一、Hadoop简介Hadoop是一个开源的分布式计算框架，主要解决的是海量数据的存储和处理问题。

它由Apache基金会开发，拥有自己的文件系统HDFS（Hadoop Distributed File System）和分布式数据处理框架MapReduce。

其中，HDFS主要负责海量数据的分布式存储，而MapReduce则是处理和计算数据的核心模块。

目前，Hadoop已经成为了数据科学家和工程师的标配技能之一。

二、Hadoop的优点1. 可扩展性Hadoop的分布式架构使其可以轻松地扩展到数百个节点。

只要增加更多的服务器，Hadoop就可以根据需要添加更多的计算和存储资源，以满足不断增长的数据需求。

2. 高可靠性Hadoop采用了多个复制副本来存储数据，数据能够在不同的节点上复制多份，一旦出现部分节点宕机的情况，仍可以从其他节点中读取数据，确保数据的高可靠性。

3. 高效性Hadoop通过MapReduce操作，可以非常高效地处理大量的数据。

MapReduce采用了并行计算的方式，将数据划分成多个小任务，并分布到不同的节点上进行计算。

这种方式可以最大限度地利用硬件资源，使计算效率得到了极大的提升。

三、基于Hadoop的大数据分析与处理基于Hadoop的大数据分析主要分为四个步骤：数据采集、数据清洗、数据挖掘和数据可视化。

1. 数据采集在大数据分析过程中，需要先获取海量的数据。

数据的来源可以是开放API、爬虫程序、传感器、日志文件等多种渠道。

2. 数据清洗在数据采集后，需要进行数据清洗。

数据清洗主要是为了提高数据的质量，并去除无用的信息。

数据清洗包括去重、删除错误数据、填补缺失值等操作。

分布式系统：分析分布式系统的基本原理、技术和应用

分布式系统：分析分布式系统的基本原理、技术和应用引言在现代科技快速发展的时代中，分布式系统（Distributed System）成为了信息技术领域的一个热门话题。

无论是云计算平台、大数据处理系统还是物联网应用，都离不开分布式系统的支撑。

本文将会对分布式系统的基本原理、技术和应用进行详细的分析和探讨，帮助读者更好地理解和运用分布式系统。

1. 分布式系统的概念与特点（H2）1.1 分布式系统的定义（H3）分布式系统是由多个自治的计算机节点通过网络进行协作，共同实现一个共享的目标。

每个节点都可以独立地进行计算和处理，并通过消息传递等方式进行通信与协调。

1.2 分布式系统的特点（H3）分布式系统具有以下几个特点：•并行性：分布式系统中的多个节点可以同时进行计算和处理，大大提高系统的处理速度和效率；•可扩展性：分布式系统可以通过增加节点的方式扩展其计算和存储资源，满足用户不断增长的需求；•容错性：分布式系统中的节点相互独立，即使某个节点发生故障也不会对整个系统造成影响，提高了系统的可靠性；•灵活性：分布式系统的节点可以根据需求的变化进行动态调整和重新配置，适应不同的使用场景。

2. 分布式系统的基本原理（H2）2.1 消息传递（H3）在分布式系统中，节点之间通过消息传递的方式进行通信和协作。

消息传递可以分为同步和异步两种方式：•同步消息传递：发送方将消息发送给接收方，等待接收方处理完毕后再继续执行，类似于函数调用；•异步消息传递：发送方将消息发送给接收方后立即继续执行，不等待接收方处理完毕，类似于事件订阅和发布。

2.2 一致性协议（H3）在分布式系统中，节点之间需要进行一致性协议的约定，以保证数据的一致性和可靠性。

常见的一致性协议有两阶段提交（Two-Phase Commit）和三阶段提交（Three-Phase Commit）等。

两阶段提交是指在进行分布式事务提交时，首先进行准备阶段，确认所有节点是否准备好提交事务，然后进行提交阶段，将事务提交到所有节点。

基于分布式文件系统的即插即用方法研究

基于分布式文件系统的即插即用方法研究作者：田晓波徐欣来源：《现代电子技术》2010年第02期摘要:按照地球剖分理论,地球表面经过剖分后,单个剖分面片将对应所属的地理信息数据载体。

在实际应用中需要动态调度不同面片的数据,与之对应的存储载体频繁接入、退出系统。

分布式文件系统是目前海量数据存储的首要解决方案,但尚未广泛应用到全球地理信息系统中。

以分布式文件系统理论为基础,通过物理、协议、应用三个层次的分析,提出包括网络环境即插即用、网络资源搜索技术以及全球多维GIS数据模型设计等在内的关键技术,以实现全球地理信息系统中存储设备灵活接入和移出存储集群,为全球地理信息系统的存储资源管理提供积极的思路与方法。

关键词:分布式文件系统;全球地理信息系统;即插即用技术;资源动态调度中图分类号:TP391文献标识码:A文章编号:1004-373X(2010)02-057-03Research of Quick Insertion and Usage Method Based on Distributed File SystemTIAN Xiaobo,XU Xin(Electronic Science and Engineering Institute,National University of Defence and Technology,Changsha,410073,China)Abstract:By the theory of global partition,every partition slice can contact with its geographical information data storage after the globe is partitioned.In the occasion of practical usage,dynamic data movements of different partition slice are usually needed,the devices which store information get in and out of system frequently.Distibuted file system is now the main resolvement for massive data storage,but hardly applied in global GIS.Based on distributed file system brings forward corresponding key techniques and methods including network quick insertion and usage,network searching techniques and global multi_dimentional data module designing,for the fulfillment of agile getting in and getting out with the storage devive.This paper supplies positive idea and method for management of global GIS.Keywords:distibuted file system;global geographical information system;quick insertion and usage;dynamic resource movement0 引言地理信息系统(GIS)是一个用于管理、分析和显示,并在不同系统和地点的用户间传递地理信息数据的系统。

《2024年基于大数据分析的推荐系统研究——基于Hadoop的电影推荐系统的设计与实现》范文

《基于大数据分析的推荐系统研究——基于Hadoop的电影推荐系统的设计与实现》篇一一、引言随着信息技术的迅猛发展，互联网已经成为我们日常生活中不可或缺的部分。

随之而来的是海量数据的增长，如何有效处理并利用这些数据成为了一个重要的研究方向。

在此背景下，基于大数据分析的推荐系统应运而生。

特别是针对电影推荐系统，通过分析用户的观影行为、喜好等数据，能够为观众提供更加精准、个性化的电影推荐。

本文将介绍一种基于Hadoop的电影推荐系统的设计与实现。

二、背景与意义在互联网时代，电影作为一种重要的娱乐方式，其选择多样且数量庞大。

然而，对于用户来说，如何在海量的电影资源中寻找到符合自己喜好的电影成为了一个难题。

因此，设计并实现一个基于大数据分析的电影推荐系统具有重要的现实意义。

该系统能够通过对用户的历史观影记录、观影偏好等数据的分析，为用户推荐符合其喜好的电影，提高用户的观影体验。

三、系统设计3.1 系统架构本系统基于Hadoop平台进行设计，采用分布式架构，以适应海量数据的处理。

系统架构主要包括数据采集层、数据处理层、数据存储层、推荐算法层和应用层。

3.2 数据采集数据采集层主要负责从各种渠道收集用户的观影数据，包括历史观影记录、观影偏好等。

这些数据将被存储在Hadoop的分布式文件系统（HDFS）中。

3.3 数据处理数据处理层负责对采集的数据进行清洗、转换和加工，以便后续的推荐算法能够更好地利用这些数据。

3.4 数据存储数据存储层采用Hadoop的分布式数据库HBase，用于存储处理后的数据。

HBase具有高可靠性、高性能和可扩展性等特点，能够满足海量数据的存储需求。

3.5 推荐算法推荐算法层是本系统的核心部分，采用协同过滤、内容过滤、深度学习等算法，根据用户的观影历史和偏好，为用户推荐符合其喜好的电影。

3.6 应用层应用层是用户与系统交互的界面，用户可以通过该界面查看推荐的电影、搜索电影、收藏电影等。

四、系统实现4.1 技术选型本系统采用Java语言进行开发，利用Hadoop平台的相关技术，包括HDFS、HBase、MapReduce等。

基于分布式的海量海洋数据服务系统设计与实现的开题报告

基于分布式的海量海洋数据服务系统设计与实现的开题报告一、研究背景和意义海洋是地球上最广阔的领域之一，有丰富的自然资源和各种生态系统，具有重要的战略意义和经济价值。

随着海洋领域的不断发展和应用需求的不断增长，海洋数据成为了一个重要的研究领域。

海洋数据主要分为两类：一是通过传感器采集的现场海洋数据，如海洋气象、海洋水文、浮标等；二是通过卫星遥感、船舶测量等获取的海洋数据，如海洋温度、海洋潮-流数据等。

这些数据的获取、存储、管理和分析面临着诸多困难和挑战。

目前，国内外已经涌现出了许多海洋数据服务平台，如国家海洋数据与信息服务平台、美国国家海洋和大气管理局等，但这些平台面临的问题仍然不少。

例如，传统的海洋数据中心往往是集中存储的，存在单点故障和可扩展性不足的问题；数据的共享和交换也存在一定的难度；海洋数据处理和分析的效率较低等等。

针对上述问题，本文将设计和实现一个基于分布式的海量海洋数据服务系统，以提高海洋数据存储、管理、处理和分析的效率，促进海洋领域的应用和发展。

二、研究内容和方法本研究的主要研究内容包括：1.分析海洋数据的来源、类型、特点和需求；2.分析现有海洋数据服务平台的特点、问题和发展趋势；3.设计和实现一个基于分布式的海量海洋数据服务系统，包括数据采集、存储、管理、处理、分析和展示等功能；4.测试和验证系统的性能和可靠性。

本研究将采用以下主要方法：1.文献调研法：通过查阅相关文献、资料和研究报告，了解海洋数据的基本情况，分析现有海洋数据服务平台的优缺点和发展趋势；2.系统设计法：根据海洋数据的特点和需求，设计和实现一个基于分布式的海量海洋数据服务系统，包括数据采集、存储、管理、处理、分析和展示等功能；3.实验测试法：使用真实海洋数据和仿真数据对系统的性能和可靠性进行测试和验证。

三、预期成果和意义本研究的预期成果包括：1.设计和实现一个基于分布式的海量海洋数据服务系统，能够提供海洋数据的采集、存储、管理、处理、分析和展示等功能；2.测试和验证系统的性能和可靠性，为海洋数据服务平台的发展提供参考。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

分析多利用少量样本数据，由于数据源覆盖面的问题往往容易造成结果偏差。借助大数据技术，可以利用海量用电数据提高用电行为分析的准确性。针对用电行为分析在处理海量数据时效率低下的问题，提出了基于ＭａｐＲｅｄｕｃｅ技术的模糊Ｃ均值聚类（ＦＣＭ）并行算法，通过将ＦＣＭ算法的迭代过程分解到Ｍａｐ和Ｒｅｄｕｃｅ两个步骤中，可以有效地提高聚类过程中数据对象和聚类中心的相似度计算效率。在此基础上，利用所提出的ＦＣＭ并行算法对居民用电数据的四个特征进行聚类分析。实验结果表明，所提算法可以提高海量用电数据聚类分析的效率，证明了计算模型的可行性。关键词：ＭａｐＲｅｄｕｃｅ；模糊Ｃ均值聚类；用电行为分析；大数据
ｉｒｎｇ（ＦＣＭ）ｐａｒａｌｌｅｌｌｇａｏｒｉｔｈｍｂａｓｅｄｏｎＭａｐＲｅｄｕｃｅｉｓｐｕｔｆｏｒｗｒｄａ．ＢｙｄｅｃｏｍｐｏｓｉｎｇｈｅｔｉｔｅａｔｒｉｖｅｐｒｏｃｅｓｓｏｆＦＣＭａｌｇｏｒｉｈｍｔｉｎｔｏｔＷＯｓｔｅｐｓｏｆＭａｐｎｄａＲｅｄｕｃｅ，ｉｔｃａｎｅｆｅｃｉｔｖｅｌｙｉｍｐｏｖｒｅｔｈｅｅｉｃｆｉｅｎｃｙｏｆｓｉｍｉｌａｒｉｔｙｃｏｍｐｕｉｔｎｇｅｔｂｗｅｅｎｈｅｔａｔｄａｏｂｊｅｃｔｓｎｄａｈｅｔｃｌｕｓｅｒｔｉｎｇｃｏｎ・
蒋菱，王旭东，于建成，袁晓冬
（１．国网天津市电力公司，天津３０００１０；
２．江苏省电力科学研究院，江苏南京２１００３６）
摘要：用电行为分析技术对供电企业掌握用户用能方式、调整生产计划以及进行电网规划有着较大的现实意义。传统用电行为
ＲｅｓｅａｒｃｈｏｎＰｏｗｅｒＵｓａｇｅＢｅｈａｖｉｏｒＡｎａｌｙｓｉｓＢａｓｅｄｏｎＤｉｓｔｒｉｂｕｔｅｄＣｏｍｐｕｔｉｎｇ
ＪＩＡＮＧＬｉｎｇ，ＷＡＮＧＸｕ—ｄｏｎｇ，ＹＵＪｉａｎ—ｃｈｅｎｇ，ＹＵＡＮＸｉａｏ—ｄｏｎｇ
ｓｃｈｅｄｕｌｅａｎｄｐｌａｎｇｉｒｄｄｅｖｅｌｏｐｍｅｎｔ．Ｔｈｕｓ．ｉｔｉｓｍｅｎｉａｎｇｆｕｌｔｏｐｏｗｅｒｇｒｉｄｃｏｍｐｎｙ．ａＴｒａｄｉｔｉｏｎｌａｐｏｗｅｒｕｓａｇｅｂｅｈａｖｉｏｒｎａａｌｙｓｉｓｏｎｌｙｕｓｅｓｓｍａｌｌｖｏｌｕｍｅｏｆｄａｔａ．Ｔｈｅｌｉｍｉｔｄｅｄａａｔｗｉｌｌｄｒａｗｔｏｉｎａｃｃｕｒａｔｅｅｓｒｕｌｔ．ｈｉＴｓｐｒｏｂｌｅｍＣｎａｂｅｓｏｌｖｅｄｂｙｕｓｉｎｇｌａｒｇｅｓｃｌｅａｏｆｄａａ．ｔＩｎｌｌａｕｓｉｏｎｔｏｔｈｅｐｒｏｂｌｅｍａｂｏｕｔｅｌｃｔｅｒｉｃｉｔｙｅｈｂａｖｉｏｒｎａａｌｙｓｉｓｉｎｈｅｔｌｏｗｅｉｃｆｉｅｎｃｙｏｆｄｅｌｉａｎｇｗｉｈｔｈｕｇｅａｍｏｕｎｔｓｏｆｄａａ，ｔｈｅｔＦｕｚｚｙＣ— Ｍｅｎｓａｃｌｕｓｅ— ｔ
Ａｂｓｔｒａｃｔ：ＴｈｅｐｏｗｅｒｕｓａｇｅｂｅｈａｖｉｏｒａｎａｌｙｓｉｓｔｅｃｈｎｏｌｏｇｙＣｎａｂｅｕｓｅｄｔｏａｃｑｕｉｒｅｃｏｓｔｕｍｅｒｐｏｗｅｒｕｓａｇｅｐａｔｔｅｒｎ，ａｄｊｕｓｔｐｏｗｅｒｇｅｎｅｒａｉｔｏｎ
中图分类号：ＴＰ３９文献标识码：Ａ文章编号：１６７３ — ６２９Ｘ（２０１６）１２－０１７６－０６
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３ — ６２９Ｘ．２０１６．１２．０３８
第２６卷
２０１６年ｌ２月
第１２期
计算机技术与发展
ＣＯＭＰＵＴＥＲＩＥＣＨＮＯＬＯＧＹＡＮＤＤＥＶＥＬＯＰＭＥＮＴ
Ｖｏ１．２６基于分布式计算的海量用电数据分析技术研究
（１．ＳｔａｔｅＧｒｉｄＴｉａｎｊｉｎＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏｍｐｌｙ，Ｔｉａｎｊｉｎ３０００１０，Ｃｈｉｎａ；
２．ＪｉａｎｇｓｕＥｌｅｃｔｒｉｃＰｏｗｅｒＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，Ｎａｎｊｉｎｇ２１００３６，Ｃｈｉｎａ）