基于大数据分析的电网流量资源挖掘模型构建

传统电网流量资源挖掘模型易受到电网网损的影响,导致挖掘精准度较低。针对该问题,构建了基于大数据分析的电网流量资源挖掘模型,分析电网流量资源体系结构,汇总业务数据库和数据仓库使用表。采用移动平均法实现资源清洗,消除噪声数据。通过压缩原始数据、离散连续数据进行资源转换,供后续挖掘分析使用。采用非序贯蒙特卡罗模拟抽样方法构建电网网损概率评估模型,在大数据背景下生成权限项集,根据最小支持度和最小置信度产生关联规则。采用动态规划原理,对关联规则寻优,在上述关联规则支持下,设计挖掘模型。由实验结果可知,该模型最高挖掘精准度可达到99%,有效解决了以往电网海量流量资源低效挖掘的问题。