電力能源實時數(shù)據(jù)倉庫系統(tǒng)研究與實現(xiàn).pdf

1、本文以溫州市某皮革有限公司能源計量數(shù)據(jù)實時監(jiān)控系統(tǒng)為研究背景,根據(jù)公司決策層的需求,分析和設計了適合公司決策支持的數(shù)據(jù)倉庫邏輯模型和物理模型結構,對數(shù)據(jù)抽取、轉換、裝載和數(shù)據(jù)清洗等技術進行了具體的應用研究,并結合數(shù)據(jù)挖掘算法對電力能源負荷分別進行了戰(zhàn)略預測和戰(zhàn)術預測的實際應用研究,最后在上述研究基礎上設計并實現(xiàn)了可滿足實際決策應用的實時數(shù)據(jù)倉庫系統(tǒng)和ETL工具。本文的主要研究內容如下:
　　1、分析了電力能源實時數(shù)據(jù)倉庫系統(tǒng)需求,

2、設計了電力能源實時數(shù)據(jù)倉庫系統(tǒng)架構;并根據(jù)業(yè)務需求,確立了電力能源實時數(shù)據(jù)倉庫的兩大主題結構:即電能消耗主題和工業(yè)能源消耗主題;并為兩個主題設計了邏輯模型結構和物理模型結構。
　　2、針對電力能源負荷預測設計了兩種預測方式:即電力能源負荷戰(zhàn)略預測和電力能源負荷戰(zhàn)術預測。其中電力能源負荷戰(zhàn)略預測主要面向中長期電能負荷預測,該預測主要針對企業(yè)的決策層;而電力能源負荷戰(zhàn)術預測主要面向短期電能負荷預測,該預測主要針對企業(yè)生產一線的管理者。

3、戰(zhàn)略預測主要分為兩種預測算法,分別是KNN預測算法和DWKNN預測算法,實驗數(shù)據(jù)表明DWKNN預測算法預測效果要好于KNN預測算法;戰(zhàn)術預測主要使用二次指數(shù)平滑預測法進行電能負荷預測,該算法經(jīng)試驗數(shù)據(jù)對比結果誤差較小,達到實際應用標準。
　　3、基于上述研究,開發(fā)并實現(xiàn)了電力能源實時數(shù)據(jù)倉庫系統(tǒng),該系統(tǒng)主要包括:用戶登錄及連接配置模塊、ETL工具模塊、能源計量多維度分析模塊、電能負荷預測分析模塊、報表和圖形展示模塊。經(jīng)測試系統(tǒng)運行