電力大數據全生命週期管理與技術

前言
第1章 引言 1
1.1 背景 1
1.1.1 大數據戰略背景 1
1.1.2 電力企業大數據業務背景 5
1.2 意義 5
1.3 主要研究內容 6

第2章 大數據全生命周期管理應用案例 7
2.1 大數據全生命周期管理在典型行業的應用案例 7
2.1.1 雲上貴州大數據管理平臺 7
2.1.2 Google大數據全生命周期管理案例 13
2.1.3 京東金融大數據全生命周期管理案例 16
2.2 電力大數據全生命周期管理內涵 28
2.2.1 數據資產類別 28
2.2.2 數據資產管理內容 29
2.3 數據全生命周期管理現狀 31
2.3.1 數據現狀 31
2.3.2 技術現狀 32
2.3.3 應用現狀 33
2.4 數據全生命周期管理問題與挑戰 33
2.5 數據全生命周期管理建設原則與目標 34
2.5.1 數據全生命周期管理建設原則 34
2.5.2 數據全生命周期管理目標 35
2.6 電力大數據全生命周期管理體系架構 3

第3章 電力大數據採集 41
3.1 電力大數據的主要來源及特點 41
3.2 電力大數據採集系統架構 43
3.2.1 數據質量 43
3.2.2 數據採集架構 44
3.2.3 數據採集系統關鍵技術 46
3.2.4 基於多線程機制的電力大數據採集 47
3.3 電力大數據採集的應用建議 48

第4章 電力大數據存儲與遷移 51
4.1 電力大數據存儲 51
4.2 電力大數據分佈式檢索 54
4.3 電力大數據遷移應用建議 56

第5章 電力大數據共享與融合 59
5.1 數據共享 59
5.1.1 數據共享架構 59
5.1.2 Apache NiFi數據處理分發系統 59
5.2 數據融合方法 62
5.2.1 數據融合層級 62
5.2.2 基於語義的數據融合 65
5.3 電力大數據融合框架建議 68
5.3.1 電力知識圖譜構建相關技術 69
5.3.2 電力知識圖譜構建流程 71

第6章 電力大數據分析與挖掘 82
6.1 電力大數據分析流程 82
6.2 電力大數據分析框架 83
6.3 電力大數據挖掘 91
6.3.1 數據挖掘技術 91
6.3.2 大數據技術與電力行業的關聯和影響 91
6.3.3 大數據技術在電力行業中的應用 91
6.3.4 電力信息數據挖掘步驟 94
6.4 電力大數據分析應用推薦 95
6.4.1 機器學習工具sklearn 96
6.4.2 深度學習工具Keras 98

第7章 電力大數據可視化 100
7.1 電力經營數據可視化 100
7.2 電網生產數據可視化 104
7.3 電力大數據可視化應用建議 109

第8章 電力大數據歸檔與銷毀 112
8.1 數據歸檔技術 112
8.1.1 數據歸檔基本原理及步驟流程 112
8.1.2 基於ERP系統結構化數據歸檔技術 114
8.1.3 Tigge數據自動化歸檔技術 115
8.2 數據銷毀技術 117
8.2.1 物理銷毀 117
8.2.2 軟件銷毀 118
8.2.3 數據銷毀的機制 119

第9章 電力大數據應用前景 120
9.1 基於大數據的企業風險預警與管控 120
9.1.1 基於大數據的電網企業輿情風險管控 121
9.1.2 基於深度學習的企業內部經營管理風險智能識別 123
9.2 電力大數據應用建議 126
9.2.1 面向社會服務與政府部門的應用 126
9.2.2 面向電力客戶的服務類應用 127
9.2.3 面向國網公司運營和開發的應用 128
參考文獻 130