马占海，严嘉正，张俊超

（国网青海省电力公司信息通信公司，青海西宁 810008）

电力系统不断向数字化、信息化的方向发展，智能电网在建设过程中产生了各种不同种类的电力大数据，如时间数据、温度数据，人们对电力大数据的处理要求也在不断增高，如何及时获取电力大数据，并完成有效处理，是当今大数据时代电网处理的重要难题。数据识别一直是数据管理的关键性技术，对于数据处理质量有着重要影响。由于电力大数据类型复杂，因此表现方式也不一致，针对电力大数据识别问题相关学者进行了深入的研究。

低占用率电力大数据会明显降低电力系统的工作效率，系统内部不同流的处理器线程无法得到很好地应用，电力系统的占用率过低，使整体性能受到严重影响，因此必须要及时识别低占用率电力大数据。文献[1]利用智能电表提出了一种工业设备的大数据识别方法，在设计过程中，同时引用了低压智能电表和长短期记忆神经网络，通过智能识别建立系统，同时处理电力负载数据，识别各种标识，完成智能识别，该系统能够有效提高识别效率，针对连续数据识别能力较好，但在低占用率电力大数据上显示出局限性。文献[2]针对电网薄弱环节在线辨识及分级预警技术进行了深入的研究，从纵向和横向两方面考虑，分析电网的薄弱点，并实现电网规划，通过多方面优化确保了电网薄弱点的处理，降低处理风险，但是识别过程需要进行大量的数据排查，耗时过长。……