電力大數(shù)據全生命周期管理與技術

目錄
前言
第1章 引言 1
1.1 背景 1
1.1.1 大數(shù)據戰(zhàn)略背景 1
1.1.2 電力企業(yè)大數(shù)據業(yè)務背景 5
1.2 意義 5
1.3 主要研究內容 6
第2章 大數(shù)據全生命周期管理應用案例 7
2.1 大數(shù)據全生命周期管理在典型行業(yè)的應用案例 7
2.1.1 云上貴州大數(shù)據管理平臺 7
2.1.2 Google大數(shù)據全生命周期管理案例 13
2.1.3 京東金融大數(shù)據全生命周期管理案例 16
2.2 電力大數(shù)據全生命周期管理內涵 28
2.2.1 數(shù)據資產類別 28
2.2.2 數(shù)據資產管理內容 29
2.3 數(shù)據全生命周期管理現(xiàn)狀 31
2.3.1 數(shù)據現(xiàn)狀 31
2.3.2 技術現(xiàn)狀 32
2.3.3 應用現(xiàn)狀 33
2.4 數(shù)據全生命周期管理問題與挑戰(zhàn) 33
2.5 數(shù)據全生命周期管理建設原則與目標 34
2.5.1 數(shù)據全生命周期管理建設原則 34
2.5.2 數(shù)據全生命周期管理目標 35
2.6 電力大數(shù)據全生命周期管理體系架構 3
第3章 電力大數(shù)據采集 41
3.1 電力大數(shù)據的主要來源及特點 41
3.2 電力大數(shù)據采集系統(tǒng)架構 43
3.2.1 數(shù)據質量 43
3.2.2 數(shù)據采集架構 44
3.2.3 數(shù)據采集系統(tǒng)關鍵技術 46
3.2.4 基于多線程機制的電力大數(shù)據采集 47
3.3 電力大數(shù)據采集的應用建議 48
第4章 電力大數(shù)據存儲與遷移 51
4.1 電力大數(shù)據存儲 51
4.2 電力大數(shù)據分布式檢索 54
4.3 電力大數(shù)據遷移應用建議 56
第5章 電力大數(shù)據共享與融合 59
5.1 數(shù)據共享 59
5.1.1 數(shù)據共享架構 59
5.1.2 Apache NiFi數(shù)據處理分發(fā)系統(tǒng) 59
5.2 數(shù)據融合方法 62
5.2.1 數(shù)據融合層級 62
5.2.2 基于語義的數(shù)據融合 65
5.3 電力大數(shù)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(shù)據分析與挖掘 82
6.1 電力大數(shù)據分析流程 82
6.2 電力大數(shù)據分析框架 83
6.3 電力大數(shù)據挖掘 91
6.3.1 數(shù)據挖掘技術 91
6.3.2 大數(shù)據技術與電力行業(yè)的關聯(lián)和影響 91
6.3.3 大數(shù)據技術在電力行業(yè)中的應用 91
6.3.4 電力信息數(shù)據挖掘步驟 94
6.4 電力大數(shù)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(shù)據可視化 100
7.1 電力經營數(shù)據可視化 100
7.2 電網生產數(shù)據可視化 104
7.3 電力大數(shù)據可視化應用建議 109
第8章 電力大數(shù)據歸檔與銷毀 112
8.1 數(shù)據歸檔技術 112
8.1.1 數(shù)據歸檔基本原理及步驟流程 112
8.1.2 基于ERP系統(tǒng)結構化數(shù)據歸檔技術 114
8.1.3 Tigge數(shù)據自動化歸檔技術 115
8.2 數(shù)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(shù)據銷毀的機制 119
第9章 電力大數(shù)據應用前景 120
9.1 基于大數(shù)據的企業(yè)風險預警與管控 120
9.1.1 基于大數(shù)據的電網企業(yè)輿情風險管控 121
9.1.2 基于深度學習的企業(yè)內部經營管理風險智能識別 123
9.2 電力大數(shù)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(fā)的應用 128
參考文獻 130