智能电网大数据分析
- 名 称：智能电网大数据分析 - 下载地址2
- 类 别：电力电气
- 下载地址：[下载地址2]
- 提 取 码：netj
- 浏览次数：3
发表评论 加入收藏夹 错误报告目录| 新闻评论（共有 0 条评论） |
资料介绍
智能电网大数据分析
出版时间： 2018
内容简介
主要内容如下： 解决了运用大数据技术和方法对构成公用电网的关键基础设施进行分析的需求问题； 介绍了如何建立一个数据分析方案，并以此来应对现代电网操作方面的挑战，同时该方案也会满足温室气体法规中对电网运营的要求； 介绍了如何解决收集和存储电网信息的问题，以及如何分析和处理这种新形式的信息，进而确保实现智能电网投资中获益。
第 一部分 数据分析的变革力量
第 1章 将智能引入电网 3
1．1 章节目标 4
1．2 建立数据驱动型电力公司的必要性 5
1．3 大数据：当我们看到它时，我们了解了 7
1．4 什么是数据分析 9
1．5 从头开始 11
1．5．1 注意差距 11
1．5．2 文化转型 12
1．5．3 个人案例研究 13
1．5．4 “灵应盘”经济学 14
1．5．5 一如既往的业务对电力公司是致命的 16
1．5．6 生存与灭亡 16
1．6 通过智能电网数据分析发现机会 18
第 2章 构建数据分析基础 19
2．1 章节目标 20
2．2 毅力是最重要的工具 21
2．3 构建数据分析架构 22
2．3．1 数据管理的艺术 24
2．3．2 管理大数据是一个大问题 24
2．3．3 真相不会给你自由 24
2．3．4 每个办法不能“包打天下” 27
2．3．5 解决“特定情境”的难题 27
2．3．6 自主构建与外包之争如火如荼地进行着 29
2．3．7 当“云”有意义时 31
2．3．8 变革既是危险也是机遇 32
第3章 让大数据为高价值行动服务 35
3．1 章节目标 36
3．2 数据型的电力公司 37
3．3 算法 38
3．3．1 算法业务 39
3．3．2 数据类别 40
3．3．3 及时性 40
3．4 看得见的智能 42
3．4．1 记住人类 44
3．4．2 客户的问题 44
3．4．3 电力公司的变革 46
3．4．4 越大未必越好 47
3．5 评估业务问题 48
第二部分 智能电网数据分析的优势
第4章 在电力公司中应用数据分析模型 53
4．1 章节目标 54
4．2 了解数据分析模型 55
4．2．1 到底什么是模型 57
4．2．2 警告：相互关系并不意味着因果关系 58
4．3 使用描述性模型进行数据分析 59
4．4 使用诊断性模型进行分析 60
4．5 预测性分析 61
4．6 规范性分析 63
4．7 电力公司的优化模型 64
4．8 面向情境智能 65
第5章 企业数据分析 67
5．1 章节目标 68
5．2 超越商业智能 69
5．2．1 电力预测 70
5．2．2 资产管理 70
5．2．3 需求响应和能源分析 72
5．2．4 动态定价分析 78
5．2．5 收入保护分析 80
5．2．6 打破部门间壁垒 81
第6章 运营分析 83
6．1 章节目标 84
6．2 调整力量以改善决策 85
6．3 洞察的机会 86
6．4 关注有效性 87
6．5 分布式发电运营：管理混乱 90
6．6 电网管理 91
6．7 弹性分析 94
6．8 从运营数据分析中提取价值 95
第7章 客户运营和参与分析 97
7．1 章节目标 99
7．2 提升客户价值 99
7．2．1 客户服务 99
7．2．2 高级客户细分 100
7．2．3 情绪分析 101
7．2．4 收入追缴 102
7．2．5 呼叫中心运营 103
7．2．6 客户沟通 104
7．3 为了客户需要具备什么 107
7．3．1 提升账单的价值和面向客户的Web门户 108
7．3．2 家庭能源管理 110
7．3．3 战略价值 111
第8章 网络安全分析 113
8．1 章节目标 114
8．2 电力行业的网络安全 115
8．2．1 对关键基础设施的威胁 115
8．2．2 智能电网是如何增加风险的 116
8．2．3 智能电网是阻止黑夜灾祸的机会 117
8．3 大数据网络安全分析的作用 119
8．3．1 预测和保护 120
8．3．2 网络安全应用 122
8．3．3 主动方法 123
8．3．4 协调网络安全的全球行动 123
8．3．5 风险变化的格局 124
第三部分 实施持续变化的数据分析程序
第9章 寻源数据 129
9．1 章节目标 130
9．2 了解寻源数据 131
9．2．1 智能电表 132
9．2．2 传感器 134
9．2．3 控制设备 135
9．2．4 智能电子设备 136
9．2．5 分布式能源 136
9．2．6 消费者设备 137
9．2．7 历史数据 138
9．2．8 第三方数据 139
9．3 如何处理大量的数据源 140
第 10章 大数据集成、框架和数据库 143
10．1 章节目标 145
10．2 这是要花成本的 145
10．3 存储方式 146
10．3．1 超大规模存储 146
10．3．2 网络连接存储 146
10．3．3 对象存储 147
10．4 数据集成 147
10．5 低风险方法的成本 148
10．6 让数据流动起来 149
10．6．1 Hadoop 150
10．6．2 MapReduce 151
10．6．3 Hadoop分布式文件系统 152
10．6．4 如何帮助电力公司 153
10．7 其他大数据库 154
10．7．1 NoSQL 154
10．7．2 内存或主内存数据库 155
10．7．3 面向对象的数据库管理系统 156
10．7．4 时间序列数据库服务器 156
10．7．5 空间和GIS数据库 156
10．8 丰富并非好事 157
第 11章 提取价值 159
11．1 章节目标 160
11．2 我们需要明确的答案 161
11．3 从数据中挖掘信息和知识 164
11．4 数据提取过程 166
11．4．1 当更多不总是更好的时候 168
11．4．2 提升性能 169
11．4．3 Hadoop：专门为批量数据服务的平台 169
11．5 流处理 171
11．5．1 复杂事件处理 171
11．5．2 过程历史数据库 172
11．6 避免非理性繁荣 173
第 12章 电力公司的展望 175
12．1 章节目标 176
12．2 大数据的理解 177
12．3 为什么人类需要可视化 178
12．4 人类感知的作用 180
12．5 可视化的电力公司 184
12．5．1 推进商业智能 186
12．5．2 高影响力的运营 187
12．5．3 提高客户价值 188
12．6 实现这一切 189
第 13章 变革伙伴关系 191
13．1 章节目标 192
13．2 大数据带来重大责任 193
13．3 隐私，不是承诺 195
13．3．1 同意 195
13．3．2 数据管理 197
13．3．3 治理 198
13．4 加强隐私 199
13．4．1 使同意成为可能 200
13．4．2 使数据最小化 201
13．4．3 元数据的作用 201
13．5 未来的电力公司是一个很好的合作伙伴 202
关键词 205
出版时间： 2018
内容简介
主要内容如下： 解决了运用大数据技术和方法对构成公用电网的关键基础设施进行分析的需求问题； 介绍了如何建立一个数据分析方案，并以此来应对现代电网操作方面的挑战，同时该方案也会满足温室气体法规中对电网运营的要求； 介绍了如何解决收集和存储电网信息的问题，以及如何分析和处理这种新形式的信息，进而确保实现智能电网投资中获益。
第 一部分 数据分析的变革力量
第 1章 将智能引入电网 3
1．1 章节目标 4
1．2 建立数据驱动型电力公司的必要性 5
1．3 大数据：当我们看到它时，我们了解了 7
1．4 什么是数据分析 9
1．5 从头开始 11
1．5．1 注意差距 11
1．5．2 文化转型 12
1．5．3 个人案例研究 13
1．5．4 “灵应盘”经济学 14
1．5．5 一如既往的业务对电力公司是致命的 16
1．5．6 生存与灭亡 16
1．6 通过智能电网数据分析发现机会 18
第 2章 构建数据分析基础 19
2．1 章节目标 20
2．2 毅力是最重要的工具 21
2．3 构建数据分析架构 22
2．3．1 数据管理的艺术 24
2．3．2 管理大数据是一个大问题 24
2．3．3 真相不会给你自由 24
2．3．4 每个办法不能“包打天下” 27
2．3．5 解决“特定情境”的难题 27
2．3．6 自主构建与外包之争如火如荼地进行着 29
2．3．7 当“云”有意义时 31
2．3．8 变革既是危险也是机遇 32
第3章 让大数据为高价值行动服务 35
3．1 章节目标 36
3．2 数据型的电力公司 37
3．3 算法 38
3．3．1 算法业务 39
3．3．2 数据类别 40
3．3．3 及时性 40
3．4 看得见的智能 42
3．4．1 记住人类 44
3．4．2 客户的问题 44
3．4．3 电力公司的变革 46
3．4．4 越大未必越好 47
3．5 评估业务问题 48
第二部分 智能电网数据分析的优势
第4章 在电力公司中应用数据分析模型 53
4．1 章节目标 54
4．2 了解数据分析模型 55
4．2．1 到底什么是模型 57
4．2．2 警告：相互关系并不意味着因果关系 58
4．3 使用描述性模型进行数据分析 59
4．4 使用诊断性模型进行分析 60
4．5 预测性分析 61
4．6 规范性分析 63
4．7 电力公司的优化模型 64
4．8 面向情境智能 65
第5章 企业数据分析 67
5．1 章节目标 68
5．2 超越商业智能 69
5．2．1 电力预测 70
5．2．2 资产管理 70
5．2．3 需求响应和能源分析 72
5．2．4 动态定价分析 78
5．2．5 收入保护分析 80
5．2．6 打破部门间壁垒 81
第6章 运营分析 83
6．1 章节目标 84
6．2 调整力量以改善决策 85
6．3 洞察的机会 86
6．4 关注有效性 87
6．5 分布式发电运营：管理混乱 90
6．6 电网管理 91
6．7 弹性分析 94
6．8 从运营数据分析中提取价值 95
第7章 客户运营和参与分析 97
7．1 章节目标 99
7．2 提升客户价值 99
7．2．1 客户服务 99
7．2．2 高级客户细分 100
7．2．3 情绪分析 101
7．2．4 收入追缴 102
7．2．5 呼叫中心运营 103
7．2．6 客户沟通 104
7．3 为了客户需要具备什么 107
7．3．1 提升账单的价值和面向客户的Web门户 108
7．3．2 家庭能源管理 110
7．3．3 战略价值 111
第8章 网络安全分析 113
8．1 章节目标 114
8．2 电力行业的网络安全 115
8．2．1 对关键基础设施的威胁 115
8．2．2 智能电网是如何增加风险的 116
8．2．3 智能电网是阻止黑夜灾祸的机会 117
8．3 大数据网络安全分析的作用 119
8．3．1 预测和保护 120
8．3．2 网络安全应用 122
8．3．3 主动方法 123
8．3．4 协调网络安全的全球行动 123
8．3．5 风险变化的格局 124
第三部分 实施持续变化的数据分析程序
第9章 寻源数据 129
9．1 章节目标 130
9．2 了解寻源数据 131
9．2．1 智能电表 132
9．2．2 传感器 134
9．2．3 控制设备 135
9．2．4 智能电子设备 136
9．2．5 分布式能源 136
9．2．6 消费者设备 137
9．2．7 历史数据 138
9．2．8 第三方数据 139
9．3 如何处理大量的数据源 140
第 10章 大数据集成、框架和数据库 143
10．1 章节目标 145
10．2 这是要花成本的 145
10．3 存储方式 146
10．3．1 超大规模存储 146
10．3．2 网络连接存储 146
10．3．3 对象存储 147
10．4 数据集成 147
10．5 低风险方法的成本 148
10．6 让数据流动起来 149
10．6．1 Hadoop 150
10．6．2 MapReduce 151
10．6．3 Hadoop分布式文件系统 152
10．6．4 如何帮助电力公司 153
10．7 其他大数据库 154
10．7．1 NoSQL 154
10．7．2 内存或主内存数据库 155
10．7．3 面向对象的数据库管理系统 156
10．7．4 时间序列数据库服务器 156
10．7．5 空间和GIS数据库 156
10．8 丰富并非好事 157
第 11章 提取价值 159
11．1 章节目标 160
11．2 我们需要明确的答案 161
11．3 从数据中挖掘信息和知识 164
11．4 数据提取过程 166
11．4．1 当更多不总是更好的时候 168
11．4．2 提升性能 169
11．4．3 Hadoop：专门为批量数据服务的平台 169
11．5 流处理 171
11．5．1 复杂事件处理 171
11．5．2 过程历史数据库 172
11．6 避免非理性繁荣 173
第 12章 电力公司的展望 175
12．1 章节目标 176
12．2 大数据的理解 177
12．3 为什么人类需要可视化 178
12．4 人类感知的作用 180
12．5 可视化的电力公司 184
12．5．1 推进商业智能 186
12．5．2 高影响力的运营 187
12．5．3 提高客户价值 188
12．6 实现这一切 189
第 13章 变革伙伴关系 191
13．1 章节目标 192
13．2 大数据带来重大责任 193
13．3 隐私，不是承诺 195
13．3．1 同意 195
13．3．2 数据管理 197
13．3．3 治理 198
13．4 加强隐私 199
13．4．1 使同意成为可能 200
13．4．2 使数据最小化 201
13．4．3 元数据的作用 201
13．5 未来的电力公司是一个很好的合作伙伴 202
关键词 205
