[发明专利]基于大数据共享的大气污染防治用电数据分析平台

权利要求书

1.基于大数据共享的大气污染防治用电数据分析平台，其特征在于：包括用电信息采集单元、传输模块和系统主站，所述用电信息采集单元包括安装在现场的计量终端设备和采集存储设备，所述系统主站包括服务器组和数据分析中心，所述系统主站与所述用电信息采集单元通过所述传输模块连接，所述数据分析中心包括以BP神经网络为基础的大数据共享分析模型；

所述计量终端设备包括智能电表，所述采集存储设备包括数据采集卡以及分别与所述数据采集卡连接的数据集中器、分级存储器CAM，若干智能电表呈星形分布与一个数据采集卡连接；

所述服务器组包括数据库服务器、磁盘阵列、应用服务器、前置服务器、接口服务器、工作站、全球定位系统GPS时钟、防火墙以及相关的网络设备；

所述传输模块包括近程计量终端网络与远程无线网络，所述近程计量终端网络采用电力载波传输或WIFI传输，所述远程无线网络采用长距离点对点式传输；

所述大数据共享分析模型的实现步骤包括，

1)指标数据输入：以环保与电力共享数据，进行BP神经网络的输入指标分析并进行采集；

2)指标数据处理：对不同类型的输入指标，通过物理意义、量纲和数量级的不同进行分级，并对原始数据进行归一化处理；采用最大最小法，公式(1)如下：式中，为经过标准化处理的数据，x为原始数据，x_max和x_min分别是数据序列中最大数、最小数，数据标准化处理后，处在[-1,1]区间；

3)制定训练样本：以当前采集时间段的数据作为一个周期，作为BP神经网络的训练样本，以便对下一周期的空气质量指数进行预测检验；

4)进行网络训练：采用单隐层或多隐层的BP神经网络进行空气质量指数预测，设定期望值，并将预测周期的空气质量指数作为输出值进行输出，单隐层BP神经网络径流分析模型结构为3-5-1，隐含层传递函数采用正切双弯曲转移函数tansig，输出层传递函数采用线性转移函数purelin,训练函数采用L-M优化算法trainlm,设定期望误差为0.0001,最大训练轮回为500次；

5)预测结果分析：通过BP神经网络预测下一周期空气质量，并制作预测曲线值与实际值进行重合度比对，得出预测精确度；

所述BP神经网络的输入指标包括空气污染颗粒浓度、空气质量指数与管控企业电量，所述空气污染颗粒包括粉尘、工业废气及汽车尾气排放的污染颗粒。

2.如权利要求1所述的基于大数据共享的大气污染防治用电数据分析平台，其特征在于：所述大数据共享分析模型通过对电力和环保数据的分析，构建BP神经网络预测单元，对空气质量进行周期性预测，所述BP神经网络包括输入层、隐含层和输出层，所述隐含层包括单隐含层和多隐含层。

3.如权利要求1所述的基于大数据共享的大气污染防治用电数据分析平台，其特征在于：所述远程无线网络包括无线电收发电台，若干所述采集存储设备呈纵线网分布与一个所述无线电收发电台连接。

4.如权利要求1所述的基于大数据共享的大气污染防治用电数据分析平台，其特征在于：所述数据分析中心连接数码显示单元，所述数码显示单元分别连接串行通信接口、人机接口单元。

5.如权利要求4所述的基于大数据共享的大气污染防治用电数据分析平台，其特征在于：所述数码显示单元包括数据设定面板及LED显示面板，所述数据设定面板包括若干个数据输入按钮及指令按钮。