下载掌阅APP，畅读海量书库
立即打开
信息能源系统正在向着以电力系统为核心，以可再生能源为主要能源，电、气、冷、热多能源互补协调，一次系统与信息系统高度融合的零碳/低碳方向发展。随着能源系统与信息系统的深度耦合，其数据处理的重要性会逐渐凸显。数据处理是研究能源数据的采集、传播、存储、分析及应用的全过程，其核心目标是从大量历史及实时运行数据中，通过数据挖掘方式获取有价值的知识。
本章概述了数据特征、现有数据处理类型及方法，进而着重介绍了数据生成、缺损数据补偿及非侵入式检测三类典型性数据处理实例，通过深度学习方法融合了监督式与非监督式学习。基于多隐含层、多类型神经元网络结构，从输入数据中提取到抽象的数据特征，进而利用服从不同概率分布但相互关联的数据集来提高学习精度，并最终得到需求的输出数据。借助于上述方法中统计型、因果型及博弈型等不同类型知识的融合碰撞，可以实现能源数据价值应用的提升。数据处理的有效实施不仅有助于能源的高效利用，而且为能源协同控制、优化及管理的高效协调运行和可持续发展奠定了可靠的分析基础。