针对传统电网数据分析平台计算效率低、数据误差大等问题，提出了一种基于Apache-Spark(AS)平台的集成数据统一模型(UDM),该模型结合了故障数据预测的优化线性回归模型、皮尔逊相关系数提取的新数据融合以及基于二叉树优化的支持向量机的故障类型分类等技术，提高了对电网故障数据的预测精度和分类精度。实验结果表明，UDM框架处理电力电网数据具有较低的均方误差，当测试样本数为50000个时，AS平台的响应时间小于5秒，体现出极佳的性能优势。
科研之友
微信
新浪微博
Facebook
分享链接
