信息融合在电力大数据价值研究分析中十分重要,它可以把属于同一对象的多源数据融合在一起,得到一份更加全面、系统、准确的描述报告,形成统一的描述视图,实现对杂乱无章数据的融合处理目标。本文为提高数据处理的算法效率,进一步改善分类融合系统的性能,针对电力数据“数量大”、“类型多”等特征,采用了神经网络与Map Reduce相结合的大数据集分类融合模型。该融合模型的设计主要是利用神经网络的聚类和非线性映射能力,同时针对电力大数据特点,结合Map Reduce模型,实现大规模数据集的并行运算。设计后的融合模型能够更加适用于多源数据的分类融合处理,可以应对结构化数据和非结构化数据混杂存在的情形。然后利用模糊数学相关理论选取数据,使得可视化结果更加简洁、直观、突出重点。最后,将不同类型的数据进行可视化展示,可将同一对象的不同类型的数据进行融合展示处理,突出数据的主要特征。也可将不同对象的相同属性数据进行融合展示处理,做属性的相关性分析,推断它们之间可能的内在联系,使人们更加方便对数据做出直观理解和判断。