1、“.....这项平台将依据电能表所可能产生的异常情况作出具体的分析,做出系列科学合理的电能表故障处理流程。这项技术将应用并行化朴素贝叶斯算法,进行故障类型的精准判断,为后续的故障诊断提供依据。与此同时,技术侧视图仿真结果分析通过表对电能计量装置异常信息分析和诊断的验证可以看出,采用朴素贝叶斯方法诊断出来的电能表故障类型及故障点均与实际情况完全致,说明采用朴素贝叶斯方法对电能表进行故障诊断的方法可行。通过图的对比实验结果可以看出,并行化的贝叶斯算法分别在单机和集群情况下进行性能对比,两种情况下算法的性能都较高且相差不大,说明并行化后的朴素贝叶斯算法在电能计量装置诊断上具有较高的准确率,适用于单机与集群时的异常诊断。从据信息,计量装置每天采集个数据的功率和电压值。为了验证本文所提的方法能够实现计量装置异常的判断,采用朴素贝叶斯算法对具有异常情况的计量装置进行检测,测试结果如表所示......”。

2、“.....均与实际故障情况相符电能表倒走电能表停走电表总示数与实际不符为了验证朴素贝叶斯算法并行化后诊断电能计量装置的有效性,进行了诊断实验对比分析,选取条测试数据实价值的。为了能够进步提高电能表的数据处理效率,尽可能降低工作人员的任务量,也就需要电能表具备较为精准的故障判断能力,大数据技术的应用也将极大程度地提高故障诊断的效率。假如电能表发生故障,将降低电能计量效率,为电力企业带来大量的直接经济损失,也给相关技术人员带来大量的工作量。因此,如何提高电力设备的故障判断效率,尽可能快速识别故障并解决,是电力企业应当重点关注的问题。与此同时,为了尽可能提高故障判断的效率与定位的研究电能计量装置智能诊断的方法原稿先采用方法把电网中的数据导入到大数据处理平台,然后再采用数据分析方法确定装置的异常情况......”。

3、“.....研究电能计量装置智能诊断的方法原稿。将计算结果保存在上。算例仿真实验对比将本文电能计量装置异常信息分析和诊断方法在大数据平台上进行算例仿真,搭建由台构成的集群,的配置为,内存,硬盘。采用的为,。仿真实验用的样本数据来源于福建省电力局采集的用电了推动电能表建设的智能化准确化,完善整个系统,技术人员提出基于并行化朴素贝叶斯发展处的判断电能表是否存在故障的诊断方法。这种诊断方法充分考虑到电能表需要处理大量数据的特性,构建出能够同时处理大量数据的平台。这项平台将依据电能表所可能产生的异常情况作出具体的分析,做出系列科学合理的电能表故障处理流程。这项技术将应用并行化朴素贝叶斯算法,进行故障类型的精准判断,为后续的故障诊断提供依据。与此同时,技术人员也。用于对数据的管理,使数据分布式存储于中。指的是数据的抽取转换装载,影响着数据仓库中数据的质量好坏......”。

4、“.....并导入到数据库当中。是分布式并行处理方法,具有的所有优点,适用于计算量较大的迭代学习和数据挖掘当中。计量装置异常分析和故障诊断首比各个的后验概率,式中的是常数,则可忽略。设类标号为,属性之间相互独立,则式中,含有个属性。朴素贝叶斯模型如图所示。式简化为式。其中,∩为事件和都发生的概率。从中提取出具有计量装置异常情况的属性信息到。数据进行划分任务,提取的数据作为训练数据。研究电能计量装置智能诊断的方法原稿。式简化为式。其中,∩为事件和都发生的概率。式为贝叶斯公式。假定集合极大的现实价值的。为了能够进步提高电能表的数据处理效率,尽可能降低工作人员的任务量,也就需要电能表具备较为精准的故障判断能力,大数据技术的应用也将极大程度地提高故障诊断的效率。假如电能表发生故障,将降低电能计量效率,为电力企业带来大量的直接经济损失,也给相关技术人员带来大量的工作量。因此......”。

5、“.....尽可能快速识别故障并解决,是电力企业应当重点关注的问题。与此同时,为了尽可能提高故障判断的效率含且,相互独立。朴素贝叶斯算法是在贝叶斯算法基础上的,其过程为假设是属性集,是类变量,是的后验概率,为先验概率,为类条件概率。则有朴素贝叶斯理论是求取后验概率,其取值最大的时候,所对应的类就归为相应的类。所以,只需要对比各个的后验概率,式中的是常数,则可忽略。设类标号为,属性之间相互独立,则式中,含有个属性。朴素贝叶斯模型如图所示。摘要摘要为了推动电能表建设的智能化准确化,完善整个系统,技术人员提出基于并行化朴素贝叶斯发展处的判断电能表是否存在故障的诊断方法。这种诊断方法充分考虑到电能表需要处理大量数据的特性,构建出能够同时处理大量数据的平台。这项平台将依据电能表所可能产生的异常情况作出具体的分析,做出系列科学合理的电能表故障处理流程。这项技术将应用并行化朴素贝叶斯算法......”。

6、“.....为后续的故障诊断提供依据。与此同时,技术复读写,提高了数据处理速度,说明方法在计量装置异常分析和诊断中具有较大优势。由图的加速比测试可以看出,随着集群节点加大,性能也得到了提升,验证了集群更适合处理大规模数据且具有良好的处理效果。结语本文的主要内容包括提出大数据技术在电能表故障检测方面的应用,以及基于方法所做的详尽的原理分析。本文提出设计处理电能表诊断的大数据平台,借助先进的大数据处理技术进行电能表的快速精准诊断,进而提升电厂的经济,选取条测试数据,分别采用单机和集群进行实验测试,每种方法测试次,取平均值,实验结果如图所示。为了对比本文所提方法在运算时间上的优势,分别选取了不同数据量的测试数据进行实验分析,并记录耗时情况,对比曲线如图所示。为了验证并行化朴素贝叶斯算法的效果,在不同数据量背景下的加速比测试曲线如图所示,加速比定义为,和分别表示单机和集群运算时的耗时......”。

7、“.....图朴素贝叶斯方法故障测试曲线图不同数量下计对平台进行反复测试,不断对比实验结果,判断数据平台是否具备准确判断故障类型的能力,尤其是在电能表面临大量待处理数据的情况下,这种技术处理显得尤为重要,具备极强的现实应用价值。关键词电能计量装置故障诊断朴素贝叶斯前言伴随着电信网络的不断推广发展,所覆盖的范围也就越来越广,伴随而来的是不断增大的用电信息量。在这种发展情形下,大数据的处理能力就显得尤为重要。由此可见,将大数据处理技术应用进电能表装置中是具有极大的现含且,相互独立。朴素贝叶斯算法是在贝叶斯算法基础上的,其过程为假设是属性集,是类变量,是的后验概率,为先验概率,为类条件概率。则有朴素贝叶斯理论是求取后验概率,其取值最大的时候,所对应的类就归为相应的类。所以,只需要对比各个的后验概率,式中的是常数,则可忽略。设类标号为,属性之间相互独立,则式中,含有个属性。朴素贝叶斯模型如图所示......”。

8、“.....然后再采用数据分析方法确定装置的异常情况,计量装置大数据处理流程如图所示。研究电能计量装置智能诊断的方法原稿。将计算结果保存在上。算例仿真实验对比将本文电能计量装置异常信息分析和诊断方法在大数据平台上进行算例仿真,搭建由台构成的集群,的配置为,内存,硬盘。采用的为,。仿真实验用的样本数据来源于福建省电力局采集的用电括和两个核心部分,是采用将任务划分给多台计算机进行处理,是将处理的结果进行汇总,此种处理方式提高了系统的可靠性和处理效率,为分布式计算的存储提供了支持。包括和个部分,用于保存分布式文件的数据信息,将数据信息保存在本地文件中,用于向分布式文件系统发送指研究电能计量装置智能诊断的方法原稿益。与此同时,文中作出的对比分析也进步验证了注重技术的先进性与高效性,之后的工作还需要技术人员进行进步的处理,以提高大数据平台诊断的精准程度......”。

9、“.....甄啊彪基于大数据的电能计量装置异常信息多维分析与诊断华北电力大学,蔡妙妆基于信息融合技术的电能计量装置状态监测研究广东工业大学,范洁,陈霄,周玉基于用电信息采集系统的电能计量装置异常智能分析方法研究电测与仪表先采用方法把电网中的数据导入到大数据处理平台,然后再采用数据分析方法确定装置的异常情况,计量装置大数据处理流程如图所示。研究电能计量装置智能诊断的方法原稿。将计算结果保存在上。算例仿真实验对比将本文电能计量装置异常信息分析和诊断方法在大数据平台上进行算例仿真,搭建由台构成的集群,的配置为,内存,硬盘。采用的为,。仿真实验用的样本数据来源于福建省电力局采集的用电时的异常诊断。从图可以看出,当处理的数据为的时候,单机处理耗时较少,但是随着数据量的增大,单机处理耗时明显高于集群处理结果,且当数据量为时,单机显示内存不足。原因是数据量较少时......”。