来源:巨灵信息2015-08-19
公司积极布局能源互联网,将从智慧分布式能源管理入手,通过对智慧分布式能源管理云平台、智慧能效管理云平台和微电网系统平台三大核心技术领域展开研发,全面提高公司在云计算与互联应用、分布式数据挖掘与专家系统、
来源:中国高新技术产业导报2015-08-17
华为大数据1+6商业模式内容包括:1个基础大数据平台,即以华为企业级大数据分析平台fusioninsight、华为云计算服务、硬件构建的大数据基础平台;6类大数据合作伙伴,包含大数据源、海量数据组织、大数据挖掘分析
来源:国家电网报2015-08-17
为了解决此类问题,合肥供电公司通过轻量级数据挖掘、比对,开发轻量级跨系统电量比对监测工具。
来源:北极星电力网2015-08-14
在互联网+国家战略和国家电力体制改革的背景下,依托公司在海量数据采集、高可靠性宽带双向通信、能源管理和优化调度、分布式协同控制、云计算、海量能源数据挖掘等领域的技术优势,加速打造林洋智慧分布式能源管理平台...该平台综合运用海量能源数据挖掘技术、云计算技术、数据汇集调度技术、能源管理和优化调度技术、全面态势感知技术、异构通信系统集成与安全防护技术、分布式协同控制技术和第三方支付风险控制技术,通过整合运行数据、
来源:云检测微信2015-08-14
另一方面,通过大数据挖掘,对检测数据实现分级管理,包括我们目前在山东省的试点可以看到,如果说对5克10克以上的车进行限行,10克以上车淘汰,可以综合消减污染物达到70%以上。
来源:赛迪网2015-08-14
同时,通过大数据挖掘技术,实现负荷曲线数据高速处理、电网调度局部优化,还可以对用户用电趋势进行预测,提升分布式可再生能源并网可靠性。
来源:北极星售电网2015-08-13
未来智能家居行业的核心盈利模式将是:以智能家居产品为触角,获得消费者的生活习惯数据,进行数据挖掘和分析,将分析结果与第三方服务商对接,向消费者提供个性化线下服务。相关阅读:基于电力载波的智能家居产业链
来源:北极星太阳能光伏网2015-08-12
目前,基于云计算平台的华为智能营维云中心已经规模部署,秉承互联网的开放平等理念,能够支持多种可再生能源的混合接入及第三方应用的扩展,并通过高精度和高可靠的数据采集与大数据挖掘分析系统对电站持续进行优化,
来源:国信证券2015-08-12
公司在智能电网电能计量及用电信息管理系统业务、节能服务业务和新能源业务三大业务板块上建立了较强的市场竞争优势,并在海量并行数据采集、高可靠性宽带双向通信、能源管理和优化调度、分布式协同控制、云计算、海量能源数据挖掘等基础领域掌握了核心技术
来源:国网山东省电力公司2015-08-12
该课题以深化状态检修为目标,提出面向设备状态综合评估的大数据集成、存储、检索以及数据挖掘方法,攻克基于大数据的输变电设备负载能力动态评估、故障预测、状态评价和运行风险评估等关键技术,开发跨平台的数据获取
来源:百度百家2015-08-12
第四个是速度快,就是通过算法对数据的逻辑处理速度非常快, 1秒定律,可从各种类型的数据中快速获得高价值的信息,这一点也是和传统的数据挖掘技术有着本质的不同。
来源:中国能源报2015-08-12
通过大数据挖掘提升资产效益,远景能源目前管理着包括美国最大的能源上市公司pattern能源、大西洋电力、orion能源、中广核等在内的2000万千瓦的全球新能源资产。
来源:北极星售电网2015-08-12
结合公司搭建的监控预警、运营管理、快速响应3大类信息化平台,以及在物联网、大数据挖掘、云计算技术等高新技术的应用,加上公司庞大的基础资产(24gw的风机与1.5gw的风电场),公司完全具备打造能源互联网的潜力
来源:国家电网报2015-08-12
该公司在中央预算内资金支持项目中获预算资金1000万,正高效开展电力光纤到表到户、面向智慧城市的智能电网数据挖掘平台等4个子项建设。
来源:供用电杂志2015-08-12
在基于大数据技术的信息融合与数据挖掘的基础上,部署节电、用电预测、网架优化、错峰调度等高级应用,实现基于大数据技术的智能配用电应用深化与性能提升,推动上海市智能配用电业务的综合智能化、精益化发展。...具体包括:①分布式电源、电动汽车充换(放)电等的用户个体、群体多时态数据的量值特征及规范化方法;②基于用户用电历史数据挖掘的用电预测模型与参数影响因素;③用电预测模型、参数与用户用电行为特征、用户社会经济特征等诸多因素的关联性
来源:供用电杂志2015-08-11
数据挖掘方法主要有分类、关联分析、聚类、异常检测、回归分析等,其中每一类包括众多的算法。...智能电网大数据平台是大数据挖掘的基础,通过智能电网大数据平台可实现智能电网全数据共享,为业务应用开发和运行提供支撑。
来源:供用电杂志2015-08-07
传统的数据挖掘方法通过人工抽取数据到应用并进行分析。然而由于数据体量过大(每日新增高达3亿条新数据记录),传统方法被证实既不可行,也不能持久。...该项目决定推进数据挖掘效率,将传统方法中抽取数据之后再计算的过程改为在数据库内进行计算与逻辑处理,这导致了需要在oracle数据库中执行大量计算。