基于數(shù)據(jù)融合算法的電網(wǎng)用電量數(shù)據(jù)分析方法

王 彥，陸 海，楊 洋，張旭東，蘇 適

(1.云南電網(wǎng)有限責(zé)任公司西雙版納勐臘供電局,云南 西雙版納 666300;2.云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院,云南 昆明 650217)

0 引言

新能源及智能電網(wǎng)的大規(guī)模發(fā)展使電力系統(tǒng)數(shù)據(jù)朝著多樣化與復(fù)雜化方向發(fā)展，目前針對(duì)電力數(shù)據(jù)的研究主要集中在電力設(shè)備故障的分析和用電量分析兩個(gè)方面。電網(wǎng)用電量的分析關(guān)系著整個(gè)電力系統(tǒng)的調(diào)節(jié)和規(guī)劃，對(duì)用電量數(shù)據(jù)的精準(zhǔn)分析影響電網(wǎng)運(yùn)行安全和經(jīng)濟(jì)安全[1]。因此對(duì)用電數(shù)據(jù)的分析引起了國(guó)內(nèi)外學(xué)者的關(guān)注，有些國(guó)外電力企業(yè)采用智慧能源云平臺(tái)的方式，來(lái)覆蓋整片區(qū)域的發(fā)電、輸電以及配電用電等一系列環(huán)節(jié)，分析電網(wǎng)運(yùn)行的電力數(shù)據(jù)，從而降低電網(wǎng)系統(tǒng)各環(huán)節(jié)運(yùn)行的成本[2]。國(guó)內(nèi)對(duì)于電網(wǎng)用電量數(shù)據(jù)的分析工作也展開(kāi)了全面的研究，針對(duì)國(guó)內(nèi)現(xiàn)有的技術(shù)水準(zhǔn)，研究電力數(shù)據(jù)在輸配電設(shè)備負(fù)載的狀態(tài)評(píng)估、電力設(shè)備故障檢查等方面的應(yīng)用，保證了國(guó)家電網(wǎng)的安全穩(wěn)定運(yùn)行[3]。

基于數(shù)據(jù)挖掘的用電數(shù)據(jù)分析方法是采用數(shù)據(jù)挖掘技術(shù)，對(duì)樸素貝葉斯算法進(jìn)行優(yōu)化，實(shí)現(xiàn)對(duì)電力系統(tǒng)中不同用戶的分類，并仿真驗(yàn)證了該方法的準(zhǔn)確性[4]?；谠朴?jì)算的用電數(shù)據(jù)分析方法是采用分布式原理，設(shè)計(jì)了電力數(shù)據(jù)的多維索引，針對(duì)電力數(shù)據(jù)的特點(diǎn)，實(shí)現(xiàn)對(duì)電力數(shù)據(jù)的分析預(yù)測(cè)，并實(shí)驗(yàn)證明了該方法的實(shí)用性[5]。Wu等[6]提出了基于多變量灰色模型的山東省用電量預(yù)測(cè)，用灰色凸關(guān)系分析法描述了用電量及其相關(guān)因素之間的關(guān)系。建立了一種考慮總?cè)丝诘男滦投嘧兞炕疑A(yù)測(cè)模型，以預(yù)測(cè)山東省的用電量。以上兩種方法雖然在實(shí)用性和準(zhǔn)確性方面具有一定優(yōu)勢(shì)，但是在數(shù)據(jù)分析效率方面還存在一些不足。

由于數(shù)據(jù)融合算法具有運(yùn)算量大、通用性較好、處理速度快等優(yōu)點(diǎn)，因此本文將數(shù)據(jù)融合算法應(yīng)用到了電網(wǎng)用電量數(shù)據(jù)分析方法設(shè)計(jì)中，有效解決了數(shù)據(jù)分析用時(shí)較長(zhǎng)、運(yùn)算性能較差的問(wèn)題。

1 電網(wǎng)用電量數(shù)據(jù)分析方法設(shè)計(jì)

1.1 電網(wǎng)用電數(shù)據(jù)挖掘

在分析電網(wǎng)用電量數(shù)據(jù)時(shí)，首先要對(duì)電力數(shù)據(jù)進(jìn)行挖掘，對(duì)存儲(chǔ)在電力系統(tǒng)數(shù)據(jù)庫(kù)中的用電數(shù)據(jù)信息進(jìn)行相應(yīng)的采集、特征轉(zhuǎn)換和數(shù)據(jù)處理[6]。信息化時(shí)代下各行業(yè)用電的急劇增長(zhǎng)，電力數(shù)據(jù)呈爆發(fā)式增長(zhǎng)，我國(guó)智能電網(wǎng)系統(tǒng)的數(shù)據(jù)采集量以每年90TB的數(shù)據(jù)量增加[7]。且電力數(shù)據(jù)來(lái)源廣泛，且實(shí)時(shí)分析性較強(qiáng)，數(shù)據(jù)挖掘相對(duì)較難，所以提出了一種與用電數(shù)據(jù)分析模型相對(duì)應(yīng)的數(shù)據(jù)挖掘方法，將有價(jià)值的用電量數(shù)據(jù)挖掘到電力數(shù)據(jù)庫(kù)中，利用大數(shù)據(jù)技術(shù)分析電力數(shù)據(jù)的潛在價(jià)值。

因用電量數(shù)據(jù)量較大，采用大數(shù)據(jù)技術(shù)對(duì)其進(jìn)行挖掘[8]，目前完整的數(shù)據(jù)挖掘包括電力系統(tǒng)數(shù)據(jù)庫(kù)、數(shù)據(jù)挖掘服務(wù)器、數(shù)據(jù)檢索引擎、智能分析等過(guò)程。數(shù)據(jù)挖掘體系結(jié)構(gòu)如圖1所示。

圖1 電網(wǎng)用電量數(shù)據(jù)挖掘體系結(jié)構(gòu)

用電量數(shù)據(jù)挖掘體系數(shù)據(jù)庫(kù)主要用于存儲(chǔ)電力系統(tǒng)元數(shù)據(jù)，電力數(shù)據(jù)倉(cāng)庫(kù)屬于一個(gè)群體，同時(shí)為上一層挖掘服務(wù)器提供數(shù)據(jù)接口。用電量數(shù)據(jù)模式評(píng)估是對(duì)采集到的電力數(shù)據(jù)進(jìn)行分析，獲得用戶所需的用電數(shù)據(jù)，經(jīng)過(guò)挖掘體系處理后，得到用電量數(shù)據(jù)[9]。在電網(wǎng)數(shù)據(jù)庫(kù)中挖掘用電量數(shù)據(jù)的具體實(shí)現(xiàn)步驟為：

(1)確定待挖掘的數(shù)據(jù)對(duì)象

用大數(shù)據(jù)技術(shù)對(duì)電力數(shù)據(jù)進(jìn)行分析，在確定需要挖掘的用電數(shù)據(jù)對(duì)象之前，應(yīng)先明確該挖掘的數(shù)據(jù)為數(shù)據(jù)分析過(guò)程中的哪一步服務(wù)。傳統(tǒng)挖掘技術(shù)所獲得的用電資料信息格式無(wú)法預(yù)測(cè)，但大數(shù)據(jù)技術(shù)可以對(duì)用電資料進(jìn)行有效挖掘。

(2)電力數(shù)據(jù)準(zhǔn)備階段

通過(guò)對(duì)電力系統(tǒng)中影響電網(wǎng)異常的數(shù)據(jù)因素進(jìn)行預(yù)處理[10]，去除不相關(guān)的數(shù)據(jù)信息。從而為電力系統(tǒng)的正常運(yùn)行提供可靠的數(shù)據(jù)支持，保證電力系統(tǒng)用電數(shù)據(jù)的完整性。

(3)建立評(píng)估用電量數(shù)據(jù)模型

選擇大數(shù)據(jù)技術(shù)計(jì)算用電數(shù)據(jù)庫(kù)的隸屬度，并調(diào)整相應(yīng)參數(shù)，選擇適當(dāng)?shù)那蠼膺^(guò)程，實(shí)現(xiàn)高效的模型預(yù)測(cè)。用大數(shù)據(jù)技術(shù)對(duì)數(shù)據(jù)模型各方面的性能進(jìn)行評(píng)價(jià)[11]，在確定使用前，當(dāng)所有的性能指標(biāo)都達(dá)到了預(yù)期值之后，開(kāi)始進(jìn)行用電量數(shù)據(jù)挖掘。

(4)挖掘用電量數(shù)據(jù)

利用大數(shù)據(jù)技術(shù)中的目標(biāo)數(shù)據(jù)挖掘算法[12]，獲得用電數(shù)據(jù)信息。

根據(jù)大數(shù)據(jù)技術(shù)中數(shù)據(jù)挖掘的特點(diǎn)，確定了合適的數(shù)據(jù)挖掘方法，通過(guò)引入電力數(shù)據(jù)挖掘體系結(jié)構(gòu)，設(shè)計(jì)了用電量數(shù)據(jù)挖掘流程，以此提高數(shù)據(jù)分析的速度。結(jié)合電力數(shù)據(jù)挖掘的實(shí)現(xiàn)步驟，完成了用電量數(shù)據(jù)的挖掘；接下來(lái)通過(guò)數(shù)據(jù)融合算法分析用電量數(shù)據(jù)。

1.2 基于數(shù)據(jù)融合算法的指標(biāo)權(quán)重調(diào)整與用電量數(shù)據(jù)分析

一般情況下，電力系統(tǒng)數(shù)據(jù)分析算法是將電力系統(tǒng)源域和目標(biāo)域的電力數(shù)據(jù)混合起來(lái)進(jìn)行分析，并利用大數(shù)據(jù)技術(shù)建立一種數(shù)據(jù)融合算法的指標(biāo)權(quán)重調(diào)整機(jī)制[13]。如果對(duì)訓(xùn)練樣本進(jìn)行了錯(cuò)誤分類，可以認(rèn)為該訓(xùn)練樣本與目標(biāo)區(qū)域中的用電量數(shù)據(jù)相似度幾乎為零，從而降低了下一次訓(xùn)練時(shí)數(shù)據(jù)的權(quán)重[14]。經(jīng)過(guò)多次迭代后，電力系統(tǒng)源領(lǐng)域的用電量數(shù)據(jù)將直接比先前的權(quán)重更高，因?yàn)樗悄繕?biāo)域數(shù)據(jù)訓(xùn)練的一個(gè)有利部分。但是，在極端情況下，由于用電量數(shù)據(jù)價(jià)值的變化，傳統(tǒng)的數(shù)據(jù)分析算法放棄了對(duì)該部分用電量數(shù)據(jù)的分析[15]。圖2顯示了傳統(tǒng)數(shù)據(jù)分析的算法流程。

圖2 傳統(tǒng)用電量數(shù)據(jù)分析算法流程

傳統(tǒng)用電量數(shù)據(jù)分析算法在實(shí)際應(yīng)用時(shí)，隨著迭代次數(shù)的不斷增加，電力系統(tǒng)源領(lǐng)域內(nèi)的用電量數(shù)據(jù)樣本權(quán)值不斷降低，目標(biāo)領(lǐng)域內(nèi)的數(shù)據(jù)樣本權(quán)值不斷升高，這種權(quán)值波動(dòng)現(xiàn)象容易導(dǎo)致兩個(gè)領(lǐng)域之間的差距變大，從而嚴(yán)重影響了用電量數(shù)據(jù)分析的準(zhǔn)確性[16]。因此對(duì)傳統(tǒng)用電量數(shù)據(jù)分析算法進(jìn)行改進(jìn)，設(shè)計(jì)一種數(shù)據(jù)融合算法，篩選并融合兩個(gè)領(lǐng)域的用電數(shù)據(jù)。

在電力系統(tǒng)源領(lǐng)域內(nèi)的用電量數(shù)據(jù)篩選過(guò)程中，初步過(guò)濾掉與目標(biāo)領(lǐng)域電力數(shù)據(jù)不同的源領(lǐng)域用電數(shù)據(jù)，用電量數(shù)據(jù)訓(xùn)練算法的流程為：

(1)輸入：電力系統(tǒng)源領(lǐng)域內(nèi)的用電量數(shù)據(jù)集，及目標(biāo)領(lǐng)域內(nèi)的數(shù)據(jù)集

(2)用電量數(shù)據(jù)初始化

將兩個(gè)領(lǐng)域內(nèi)的用電量數(shù)據(jù)進(jìn)行融合，并將融合后的數(shù)據(jù)集分類。

(3)用電量數(shù)據(jù)分析迭代

(4)輸出：篩選后的源領(lǐng)域用電量數(shù)據(jù)集和目標(biāo)領(lǐng)域用電量數(shù)據(jù)集。采用大數(shù)據(jù)技術(shù)的計(jì)算優(yōu)勢(shì)，計(jì)算電力系統(tǒng)兩個(gè)領(lǐng)域之間的距離；根據(jù)兩個(gè)領(lǐng)域的距離計(jì)算結(jié)果，將用電數(shù)據(jù)聚類；剔除不在目標(biāo)領(lǐng)域內(nèi)的用電量數(shù)據(jù)，以此提高數(shù)據(jù)融合算法的運(yùn)算效率。

針對(duì)數(shù)據(jù)融合算法在應(yīng)用過(guò)程中可能會(huì)出現(xiàn)擬合超標(biāo)問(wèn)題，算法在損失量計(jì)算時(shí)需要增加一個(gè)校正系數(shù)[17]，改進(jìn)后的算法流程如下：

(1)輸入:電力系統(tǒng)源領(lǐng)域電力數(shù)據(jù)集Ta和目標(biāo)領(lǐng)域電力數(shù)據(jù)集Tb，測(cè)試數(shù)據(jù)集S，訓(xùn)練數(shù)據(jù)集T，分類算法L以及迭代次數(shù)n。

(2)初始化分類參數(shù)

初始化用電量數(shù)據(jù)訓(xùn)練數(shù)據(jù)集中的權(quán)重向量w，計(jì)算公式為

(1)

設(shè)置分類參數(shù)β為

(2)

公式(2)中，M表示用電量數(shù)據(jù)訓(xùn)練集樣本數(shù)量，p表示用電需求系數(shù)。

(3)分析算法的迭代

(4)輸出:電力數(shù)據(jù)融合器。調(diào)用用電量數(shù)據(jù)融合器，根據(jù)數(shù)據(jù)訓(xùn)練數(shù)據(jù)集以及分析系數(shù)，得到一個(gè)在測(cè)試數(shù)據(jù)集上的融合器[18]；計(jì)算不同數(shù)據(jù)集在目標(biāo)領(lǐng)域用電量數(shù)據(jù)集上的錯(cuò)誤率；設(shè)置改進(jìn)后的數(shù)據(jù)權(quán)重向量。

電力系統(tǒng)在極端運(yùn)行的條件下，由于用電量數(shù)據(jù)極易丟失，設(shè)計(jì)數(shù)據(jù)分析算法保留了原始用電量數(shù)據(jù)集[19]，針對(duì)傳統(tǒng)數(shù)據(jù)分析算法的不足，利用大數(shù)據(jù)技術(shù)的計(jì)算優(yōu)勢(shì)[20]，完成了用電量數(shù)據(jù)分析算法的改進(jìn)設(shè)計(jì)；最后結(jié)合數(shù)據(jù)的分析流程，來(lái)實(shí)現(xiàn)用電量數(shù)據(jù)的分析。

電力系統(tǒng)中處于監(jiān)測(cè)狀態(tài)的電力設(shè)備會(huì)隨著時(shí)間的延長(zhǎng)，產(chǎn)生大量的歷史數(shù)據(jù)，分析用電量數(shù)據(jù)可以促進(jìn)電力設(shè)備的狀態(tài)評(píng)估[21]。傳統(tǒng)的用電量數(shù)據(jù)分析方法計(jì)算過(guò)程較為復(fù)雜，在規(guī)定的時(shí)間內(nèi)無(wú)法達(dá)到用電量數(shù)據(jù)的分析要求。管理者根據(jù)對(duì)電力數(shù)據(jù)的需求將用電量數(shù)據(jù)導(dǎo)入到電力系統(tǒng)數(shù)據(jù)庫(kù)中，數(shù)據(jù)的計(jì)算和分析由系統(tǒng)統(tǒng)一完成[22-23]。用電量數(shù)據(jù)分析流程如圖3所示。

圖3 用電量數(shù)據(jù)分析程序

綜上所述，為了適應(yīng)電力系統(tǒng)的運(yùn)轉(zhuǎn)，將電力系統(tǒng)中的用電量數(shù)據(jù)進(jìn)行了狀態(tài)評(píng)估，結(jié)合數(shù)據(jù)融合算法調(diào)整指標(biāo)權(quán)重，數(shù)據(jù)的分析流程，實(shí)現(xiàn)了電網(wǎng)用電量數(shù)據(jù)的分析。

2 實(shí)驗(yàn)分析

為驗(yàn)證此次研究提出方法在用電量數(shù)據(jù)分析耗時(shí)及運(yùn)算方面的優(yōu)勢(shì)，通過(guò)Matlab 2015b對(duì)其進(jìn)行測(cè)試。測(cè)試平臺(tái)搭建環(huán)境為Windows 7操作系統(tǒng)，Core i5-9400F CPU，8GB運(yùn)行內(nèi)存。本節(jié)對(duì)比的方法有基于數(shù)據(jù)挖掘的分析、基于云計(jì)算的分析這兩種用電量數(shù)據(jù)分析方法。此次實(shí)驗(yàn)數(shù)據(jù)來(lái)源于某電網(wǎng)企業(yè)變電站，其中包括不同時(shí)段的輸電量、用戶用電量、用電負(fù)荷、售電量等數(shù)據(jù)。具體數(shù)據(jù)采樣裝置參數(shù)如表1所示。

表1 采樣裝置參數(shù)設(shè)定

2.1 用電量數(shù)據(jù)分析耗時(shí)對(duì)比實(shí)驗(yàn)

2.1.1 實(shí)驗(yàn)過(guò)程

由于電力系統(tǒng)中的數(shù)據(jù)比較復(fù)雜，且隨時(shí)變化，用電量數(shù)據(jù)的不穩(wěn)定性導(dǎo)致其在分析過(guò)程中的耗時(shí)變長(zhǎng)，實(shí)驗(yàn)的具體操作步驟如下：

步驟1：在電力系統(tǒng)數(shù)據(jù)庫(kù)中采集十組不同數(shù)量用電量數(shù)據(jù)，分別采用數(shù)據(jù)挖掘技術(shù)、云計(jì)算技術(shù)以及大數(shù)據(jù)技術(shù)對(duì)采集的用電量數(shù)據(jù)進(jìn)行清洗；

步驟2：將清洗后的用電量數(shù)據(jù)轉(zhuǎn)換成數(shù)據(jù)分析服務(wù)器可以識(shí)別的數(shù)據(jù)格式，以便服務(wù)器對(duì)數(shù)據(jù)進(jìn)行處理；

步驟3：先對(duì)用電量數(shù)據(jù)進(jìn)行預(yù)處理，根據(jù)預(yù)處理的結(jié)果再做進(jìn)一步分析；

步驟4：分別采用基于數(shù)據(jù)挖掘的分析方法、基于云計(jì)算的分析方法以及基于數(shù)據(jù)融合算法的分析方法，對(duì)處理后的用電量數(shù)據(jù)進(jìn)行分析；

步驟5：統(tǒng)計(jì)不同方法在用電量數(shù)據(jù)分析過(guò)程中的耗時(shí)情況，得到實(shí)驗(yàn)結(jié)果。

2.1.2 實(shí)驗(yàn)結(jié)果分析

利用用電量數(shù)據(jù)分析耗時(shí)實(shí)驗(yàn)步驟，利用模擬平臺(tái)統(tǒng)計(jì)不同分析方法的耗時(shí)情況，如表2所示。

表2 用電量數(shù)據(jù)分析耗時(shí)對(duì)比結(jié)果

從表2的實(shí)驗(yàn)結(jié)果可以看出，采用基于數(shù)據(jù)挖掘的分析方法來(lái)分析電力數(shù)據(jù)時(shí)，由于用電量數(shù)據(jù)的數(shù)量大，當(dāng)用電量數(shù)據(jù)數(shù)量超過(guò)8 000 MB時(shí)，導(dǎo)致內(nèi)存不足的現(xiàn)象發(fā)生，得不到具體的分析耗時(shí)結(jié)果。經(jīng)計(jì)算，數(shù)據(jù)數(shù)量小于7 000 MB時(shí)的分析耗時(shí)均值為9.24 s；基于云計(jì)算的分析方法在用電量數(shù)據(jù)分析耗時(shí)方面要優(yōu)于基于數(shù)據(jù)挖掘的分析方法，只有當(dāng)數(shù)據(jù)數(shù)量為10 000 MB時(shí)，才會(huì)出現(xiàn)內(nèi)存不足的現(xiàn)象，一定程度上優(yōu)化了數(shù)據(jù)分析方法受到數(shù)據(jù)量大的影響。

經(jīng)計(jì)算，除去無(wú)用數(shù)據(jù)的分析耗時(shí)實(shí)驗(yàn)結(jié)果，用電量數(shù)據(jù)的分析耗時(shí)均值為7.1 s。相比于以上兩種分析方法，基于數(shù)據(jù)融合算法的分析方法在電力數(shù)據(jù)分析過(guò)程中，受其他干擾電力數(shù)據(jù)數(shù)量的影響較小，且整體數(shù)據(jù)分析耗時(shí)比較低。本文研究的方法在分析用電量數(shù)據(jù)時(shí)的平均耗時(shí)為2.194 s。因此可以得到該方法可以縮短用電量數(shù)據(jù)的分析耗時(shí)，可以及時(shí)為電力規(guī)劃提供有利依據(jù)。

2.2 用電量數(shù)據(jù)分析收斂次數(shù)對(duì)比實(shí)驗(yàn)

2.2.1 采集用電量數(shù)據(jù)

在保證用電量數(shù)據(jù)分析耗時(shí)較短的情況下，進(jìn)一步驗(yàn)證該方法在數(shù)據(jù)分析運(yùn)算上的優(yōu)勢(shì)。以在不同任務(wù)量情況的收斂次數(shù)作為實(shí)驗(yàn)指標(biāo)，收斂次數(shù)越少，說(shuō)明數(shù)據(jù)采集過(guò)程中資源占用率越少，運(yùn)算性能越好，準(zhǔn)確率越高。方法收斂次數(shù)對(duì)比實(shí)驗(yàn)對(duì)用電量數(shù)據(jù)的要求比較嚴(yán)格，在實(shí)驗(yàn)前必須先從電力系統(tǒng)中采集實(shí)時(shí)用電數(shù)據(jù)信息，確保實(shí)驗(yàn)結(jié)果可靠。用電量數(shù)據(jù)采集結(jié)果如表3所示。

表3 用電量數(shù)據(jù)采集結(jié)果

2.2.2 實(shí)驗(yàn)結(jié)果分析

根據(jù)用電量數(shù)據(jù)的采集結(jié)果，采用基于數(shù)據(jù)挖掘的分析方法、基于云計(jì)算的分析方法以及基于數(shù)據(jù)融合算法的分析方法，得到了用電量數(shù)據(jù)分析收斂次數(shù)對(duì)比結(jié)果，如圖4所示。

圖4 用電量數(shù)據(jù)分析收斂次數(shù)對(duì)比結(jié)果

從圖5的實(shí)驗(yàn)結(jié)果可以得到，在用電量數(shù)據(jù)分析收斂次數(shù)方面，基于數(shù)據(jù)挖掘的分析方法與基于云計(jì)算的分析方法不能達(dá)到良好的數(shù)據(jù)分析效果，基于數(shù)據(jù)挖掘的分析方法在分析用電量數(shù)據(jù)時(shí)的最大收斂次數(shù)都高于58次；基于云計(jì)算的分析方法在分析收斂次數(shù)雖然略低于基于數(shù)據(jù)挖掘的分析方法，但是用電量數(shù)據(jù)分析的平均收斂次數(shù)高于41次；然而基于數(shù)據(jù)融合算法的分析方法在數(shù)據(jù)分析收斂次數(shù)遠(yuǎn)遠(yuǎn)低于其他兩種分析方法，用電量數(shù)據(jù)分析的收斂次數(shù)均低于20次，說(shuō)明其運(yùn)算性能較好，準(zhǔn)確率較高，更適用于電力數(shù)據(jù)的分析工作。

基于以上實(shí)驗(yàn)結(jié)果，無(wú)論是用電量數(shù)據(jù)分析時(shí)效還是分析運(yùn)算性能方面，基于數(shù)據(jù)融合算法的用電量數(shù)據(jù)分析方法優(yōu)于其他兩種分析方法，有效提高了數(shù)據(jù)的分析效率。

3 結(jié)束語(yǔ)

為完善現(xiàn)有用電量數(shù)據(jù)分析方法，解決分析耗時(shí)長(zhǎng)及精度的問(wèn)題，本文提出了基于數(shù)據(jù)融合算法的電網(wǎng)用電量數(shù)據(jù)分析方法。

(1)從電力系統(tǒng)數(shù)據(jù)庫(kù)中挖掘出有價(jià)值的用電量數(shù)據(jù)信息；

(2)通過(guò)數(shù)據(jù)融合算法調(diào)整指標(biāo)權(quán)重，根據(jù)設(shè)計(jì)的用電量數(shù)據(jù)的分析過(guò)程實(shí)現(xiàn)了數(shù)據(jù)的分析；

(3)實(shí)驗(yàn)結(jié)果表明，該方法具有較低的分析耗時(shí)，平均耗時(shí)為2.194 s，以及較高的運(yùn)算性能，提高了分析的準(zhǔn)確性；

(4)為進(jìn)一步完善用電量數(shù)據(jù)分析方法，在后續(xù)研究中將以用電量數(shù)據(jù)預(yù)測(cè)方面為主，進(jìn)一步完善此次課題。