基于Spark和K-Means聚类算法的电力用户智能画像

An Intelligent Portrait of Electricity Users Based on Spark and K-Means Clustering Algorithm

下载PDF

导出

摘要本文提出了一种基于Spark大数据技术和K-Means聚类算法的用户画像构建方法。首先对用电用户数据进行预处理,然后通过改进的并行K-Means算法进行用户用电模式分析,实现用户智能画像。为了提高该算法处理大量数据的能力,通过Spark框架对K-Means算法并行化操作。

作者张立柱高慧张林峰李雅文武同宝

机构地区国网山东省电力公司泰安供电公司

出处《电力设备管理》 2022年第22期119-122,共4页 Electric Power Equipment Management

基金国网山东省电力公司科技项目(5206091900JF)。

关键词用户画像 K-MEANS聚类 SPARK

分类号 TP3 [自动化与计算机技术—计算机科学与技术]

引文网络
相关文献

参考文献5

1周玲,钟璐,黄渊军,吴方权,汤成佳.用户画像和标签在电力服务系统中的应用研究[J].自动化仪表,2021,42(5):10-13. 被引量：16
2王飞飞,周少华,韩迎军.基于大数据技术的电力用户画像分析[J].山西电力,2019,0(4):26-29. 被引量：8
3王法玉,刘志强.Spark框架下分布式K-means算法优化方法[J].计算机工程与设计,2019,40(6):1595-1600. 被引量：13
4王丹豪..基于配电网运维管控平台的电力负荷预测研究[D].上海电力大学,2020:
5李青,齐林海,田璐,王红,田世明,卜凡鹏.一种融合降维和聚类的电力用户高效分类方法[J].电力信息与通信技术,2018,16(11):12-18. 被引量：5

二级参考文献39

1李欣然,姜学皎,钱军,陈辉华,宋军英,黄良刚.基于用户日负荷曲线的用电行业分类与综合方法[J].电力系统自动化,2010,34(10):56-61. 被引量：81
2张素香,刘建明,赵丙镇,曹津平.基于云计算的居民用电行为分析模型研究[J].电网技术,2013,37(6):1542-1546. 被引量：133
3高媛,孙军平,范闻博,时伟君.用户侧需求响应系统试验技术研究[J].电气应用,2013,32(17):40-45. 被引量：4
4赵莉,候兴哲,胡君,傅宏,孙洪亮.基于改进k-means算法的海量智能用电数据分析[J].电网技术,2014,38(10):2715-2720. 被引量：126
5张东霞,苗新,刘丽平,张焰,刘科研.智能电网大数据技术发展研究[J].中国电机工程学报,2015,35(1):2-12. 被引量：612
6刘科研,盛万兴,张东霞,贾东梨,胡丽娟,何开元.智能配电网大数据应用需求和场景分析研究[J].中国电机工程学报,2015,35(2):287-293. 被引量：267
7王继业,季知祥,史梦洁,黄复鹏,朱朝阳,张东霞.智能配用电大数据需求分析与应用研究[J].中国电机工程学报,2015,35(8):1829-1836. 被引量：179
8张斌,庄池杰,胡军,陈水明,张明明,王科,曾嵘.结合降维技术的电力负荷曲线集成聚类算法[J].中国电机工程学报,2015,35(15):3741-3749. 被引量：136
9孟海东,任敬佩.基于云计算平台的聚类算法[J].计算机工程与设计,2015,36(11):2990-2994. 被引量：10
10李兰英,董义明,孔银,周秋丽.改进K-means算法的MapReduce并行化研究[J].哈尔滨理工大学学报,2016,21(1):31-35. 被引量：7

共引文献38

1燕翔,周瑾,赵海军.基于Hadoop的铁路货运大数据平台设计与应用[J].铁道运输与经济,2022,44(S01):170-175.
2王凯亮,陆俊,徐志强,齐增清,龚钢军,王赟.基于先验知识与DBM采样的类不平衡用电数据分类方法[J].电力系统自动化,2019,43(20):57-64. 被引量：11
3孙彬,王欣,徐春.一种基于劳动密集度的剩余劳动力资源聚类方法[J].地域研究与开发,2020,39(3):53-58.
4Qing Hou,Guangjian Wang,Xiaozheng Wang,Jiaxi Xu,Yang Xin.Research and Application on Spark Clustering Algorithm in Campus Big Data Analysis[J].Journal of Computer Science Research,2020,2(1):16-20. 被引量：1
5徐雨婷,陈世平.面向云数据中心资源均衡分配需求的聚类调度算法研究[J].上海理工大学学报,2020,42(4):404-410. 被引量：4
6钟章生,陈世炉,陈志龙.利用并行惯性权重OOL-FA的大数据分类[J].计算机工程与设计,2020,41(10):2818-2824.
7王剑锋,倪家明,王旭东,孔祥玉,姚程,于建成.基于AE-MFCM技术的电力用户响应特性分析方法[J].电力系统及其自动化学报,2021,33(4):47-54. 被引量：4
8周鹏程,曾鸣.优化电力营商环境背景下电力供应商画像研究[J].山东电力技术,2021,48(4):19-24. 被引量：7
9杨雨,李雁,蔡秋雷,冯欧阳,徐正一.基于“客户画像”的供电服务情绪指数构建与应用研究[J].科技创新与应用,2021,11(19):1-5. 被引量：3
10方玉玲,那丽春.一种基于CUDA的K-Means多级并行优化方法[J].小型微型计算机系统,2021,42(7):1547-1553. 被引量：1

1马福民,孙静勇,张腾飞.考虑边界样本邻域归属信息的粗糙K-means增量聚类算法[J].控制与决策,2022,37(11):2968-2976. 被引量：6
2王慧丽.基于K-means聚类算法的电商数据智能分析方法设计[J].信息与电脑,2022,34(14):79-81. 被引量：1
3王翰诚,姜良存,李皓,梁哲恒,乐鹏.基于Apache Beam的并行化空间数据分析方法[J].测绘地理信息,2022,47(S01):85-88.
4付浩然.基于无监督聚类的电力用户智能用电异常检测方法[J].通信电源技术,2022,39(13):47-49.
5彭小华,谭菊华,邱芬.基于大数据的思政教学资源推荐系统设计[J].信息与电脑,2022,34(14):227-229. 被引量：1
6张佳,杨呈永,崔建明,智春.基于网格密度距离的K-means优化算法[J].桂林理工大学学报,2022,42(2):502-506. 被引量：1
7关菲,周艺,张晗.个性化推荐系统中协同过滤推荐算法优化研究[J].运筹与管理,2022,31(11):9-14. 被引量：8
8黄乐成,陈超,韩存鑫,赵彬.基于改进K-means的大气污染物高维度信息研究[J].实验室研究与探索,2022,41(9):135-139.
9陶永辉,王勇.基于初始聚类中心选取的改进K-means算法[J].国外电子测量技术,2022,41(9):54-59. 被引量：8
10王小霞,李洁,郭琳.基于ANFIS的区域金融风险预警研究[J].中小企业管理与科技,2022,6(20):164-166.

电力设备管理

2022年第22期

浏览历史

内容加载中请稍等...

基于Spark和K-Means聚类算法的电力用户智能画像

参考文献5

二级参考文献39

共引文献38

相关作者

相关机构

相关主题

浏览历史