摘要
本发明公开了一种基于电力大数据的多模态数据的自适应压缩方法,通过获取电力大数据,对电力大数据进行预处理;对预处理后所述的电力大数据进行特征分析,得到数据特征;根据所述数据特征,从预设的至少一个压缩算法中选择出一个最优的压缩算法;采用所述最优的压缩算法对所述电力大数据进行压缩;本发明结合电力大数据的特征和系统硬件的特性,采用自适应的方法选择最优的压缩算法,从而对电力大数据进行压缩,能够使电力大数据的压缩效果达到最优,不仅能够针对不同的数据特征和硬件环境选择最合适的压缩算法,而且通过持续的评估和优化,确保了电力大数据的压缩效果达到最优。
技术关键词
压缩算法
大数据
电力
非数值型数据
线性回归模型
滞后关系
集成训练
参数
文本
直方图
样本
指数
编码
矩阵
代表
元素
密度
系统为您推荐了相关专利信息
状态预测方法
气象
数据
时间段
输入神经网络模型
仪表计量误差
人工智能技术
校正方法
电力
人工智能模型训练
电力系统配电网
智能保护装置
人机交互单元
数据采集单元
相位传感器
变压器运行状态
变压器状态预测方法
数据驱动模型
样本
线性回归模型
短期电力负荷预测
神经网络参数
卡尔曼滤波
历史负荷数据
预测误差