Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Modeling Analysis of Network Spatial Sensitive Information Detection Driven by Big Data Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Research on Data Mining Algorithm for Regional Photovoltaic Generation

verfasst von : Zhen Lei, Yong-biao Yang

Erschienen in: Advanced Hybrid Information Processing

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Traditional data mining algorithms have problems such as poor applicability, high false positive rate or high false positive rate, resulting in low security and stability of the power system. For this reason, the regional photovoltaic power generation data mining algorithm is studied. Classification of data sources facilitates correlation calculations, and matrix relationships are used to calculate data associations. Combined with the data relevance, the association rules are output, and the output results inherit the clustering processing and time series distribution of the implicit data, thereby realizing the extraction of hidden data and completing the regional photovoltaic power generation data mining. The experimental results show that the regional PV power generation data mining algorithm has high stability and can effectively solve the system security problem.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Analysis of Surface Compressive Strength of Optical Fiber Composites Under Low Velocity Impact Damage Based on Big Data
Nächstes Kapitel Distributed Learning Algorithm for Distributed PV Large-Scale Access to Power Grid Based on Machine Learning
Literatur
1.
Wang, H., Li, F., Zhang, L., et al.: Research and application of big data mining technology in photovoltaic power prediction. Hebei Electr. Power Technol. 12(2), 123–143 (2018)
2.
Ge, J.: Research on large data mining algorithm for periodic performance of warships under load environment. Ship Sci. Technol. 23(22), 121–123 (2017)
3.
Xiaobo, Y.: Research on Data Mining Algorithms Based on Projection Pattern Support Set [J]. Computer Applications and Software 34(7), 273–276 (2017)
4.
Lv, Y., Huang, L.: Research and implementation of data mining algorithms based on Hadoop framework in Hongbo. Large data environment. Electron. Design Eng. 25(7), 241–244 (2017)
5.
Zheng, Z., Wu, W., Li, H.: Data mining algorithms based on CLUSTER optimization. J. Harbin Commercial Univ. (Nat. Sci. Ed.) 33(6), 329–330 (2017)
6.
Shibing, B.: Research on data mining algorithms based on neural network and particle swarm optimization. Laser J. 38(3), 188–192 (2017)
7.
Cheng, Z., Li, S., Han, L., et al.: Research on the prediction method of photovoltaic array power generation based on data mining. J. Solar Energy 38(3), 726–733 (2017)
8.
Yang, J., Lin, X., Yao, Q.: Study on wind power generation system based on hydraulic constant rense speed control. J. Xi’an Polytech. Univ. 2018(05), 574–580 (2018)
9.
Yongwen, Y., Fanyue, Q., Zaiqin, T., et al.: Data mining and analysis method for operation log of photovoltaic power plant. Sci. Technol. Econ. Guide 34(2), 114–145 (2017)
10.
Luo, R., Wang, Z., Wu, T., et al.: A pollution diagnosis method for photovoltaic modules based on large data mining of solar power regulation. CN107065829A [P] 33(2), 134–135 (2017)
11.
Ding, M., Li, C., Li, H., et al.: Fault detection method for photovoltaic inverters based on massive data mining. Electr. Autom. 33(3), 154–165 (2018)
12.
Gong, S., Pan, T., Wu, D., et al.: Research on the method of filling the missing photovoltaic data in microgrid based on MCMCMC. Renew. Energy 33(3), 453–465 (2018)
13.
Wang, H., Li, F., Zhang, L., et al.: Research and application of big data mining technology in photovoltaic power prediction. Hebei Electr. Power Technol. 12(2), 345–367 (2018)
Metadaten
Titel
Research on Data Mining Algorithm for Regional Photovoltaic Generation
verfasst von
Zhen Lei
Yong-biao Yang
Copyright-Jahr
2019
Buch
Advanced Hybrid Information Processing

Print ISBN: 978-3-030-36401-4

Electronic ISBN: 978-3-030-36402-1

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-030-36402-1_46