面向智能电网的大数据降维管理方案

彭姣 刘明硕 杨力平

摘   要：针对智能电网数据繁多、维度较高、难以识别的技术问题，提出了降低大数据维度的构想，并设计出基于随机森林算法的物联网智能电网大数据管理系统。通过采用Bagging算法对数据样本训练、学习，建立起多个决策树构型，根据少数服从多数的投票法原则确定建立决策树的节点和分支，最终建立起成熟的随机森林算法模型，通过随机森林算法模型将智能电网中的大数据从高纬度降低到低纬度。本设计的方案大大减小了大数据处理难度，优化了数据处理的效率，增加了分析问题、解决问题的有效途径，为智能电网的健康、有序运行提供有力保障。

关键词：智能电网;维度;Bagging算法;随机森林算法;决策树

中图分类号：TP39                                          中图分类号：A

Big Data Dimension Reduction Management Scheme for Smart Grid

PENG Jiao？覮，LIU Ming-shuo，YANG Li-ping

（Information & Telecommunication Branch，State Grid Hebei Electric Power Co. Ltd.，Shijiazhuang，Hebei 050000，China）

Abstract：Aimed at the technical problems such as much data，high dimension，difficult to identify in smart grid data，the idea of reducing the big data dimension is proposed，and the big data management system of the Internet of Things smart grid based on random forest algorithm is designed. Multiple decision tree configurations are established by using the bagging algorithm to train and learn data samples，according to the minority majority voting principle，the nodes and branches of the decision tree are determined，and finally the mature random forest algorithm model is established，and the big data in the smart grid is reduced from high dimensionality to low dimensionality via the random forest algorithm model. The scheme designed in this paper greatly reduces the difficulty of big data processing，optimizes the efficiency of data processing，and increases the effective way of analyzing problems and solves problems，as well as providing powerful guarantee for the healthy and orderly operation of smart grid.

Key words：smart grid;dimension;Bagging algorithm;random forest algorithm;decision tree

智能电网是以物理电网为基础，将现代先进的传感测量技术、通信技术、信息技术、计算机技术和控制技术与物理电网高度集成而形成的新型电

网[1-4]。随着云计算、物联网技术的广泛应用，大数据已经涉及各行各业[5-6]，在智能电网行业中，由于产生的各种数据繁多，如何从大量数据中提取有效信息已成为智能电网应用过程中的重要研究课题[7]。在智能电网行业中，浩瀚的大数据往往由于数据量太大、维数太高而在具体实践工作中，给供电企业、用户都带来极其不便。在大数据应用中，维度越高，计算数据的复杂程度也就越高，发现隐藏在数据之间的逻辑关系以及隐藏的问题也就越难发现。……