为解决因排查效率低、数据更新不及时等因素导致低压配电网户变关系连接形式与实际不符的问题,提出一种基于角度分段线性近似(anglepiecewiselinearrepresentation,APLR)和改进密度峰值聚类(improved clustering by fast search find of...为解决因排查效率低、数据更新不及时等因素导致低压配电网户变关系连接形式与实际不符的问题,提出一种基于角度分段线性近似(anglepiecewiselinearrepresentation,APLR)和改进密度峰值聚类(improved clustering by fast search find of density peaks,ICFSFDP)相结合的户变关系识别方法。首先,根据电压曲线中相邻线段的角度变化量提取曲线的转折点,利用APLR对曲线进行自适应降维重构;随后,使用ICFSFDP算法对降维数据组展开聚类分析,在决策图中由拟合函数与坐标轴围成面积的最小值得到最优类簇数目,进而得到聚类和非聚类中心用户;最后,使用动态时间弯曲(dynamic time warping,DTW)距离计算聚类和非聚类中心用户之间的距离相似度,进而得到户变关系。将所提方法应用于模拟和真实数据中,均可证实所提方法的有效性。算例分析结果表明:该方法能够对时间间隔不同、不等维的序列进行分析,且不需要人为设定聚类算法的参数,户变关系识别准确率高。展开更多
为更加快速准确地从微震时序数据中提取微震事件,提高异常事件的捕捉效率,提出一种基于多尺度融合卷积和空洞卷积的自动编码器(multi-scale fusion convolution and dilated convolutions auto encoder,MDCAE)与融合波动率和限制窗口的...为更加快速准确地从微震时序数据中提取微震事件,提高异常事件的捕捉效率,提出一种基于多尺度融合卷积和空洞卷积的自动编码器(multi-scale fusion convolution and dilated convolutions auto encoder,MDCAE)与融合波动率和限制窗口的动态时间扭曲(constraints dynamic time warping for fusing volatility,CDTW-Vol)方法。提出MDCAE的特征提取方法,将波形信号转变为低维特征信号,引入微震波形的波动率的概念,通过改进后的DTW算法对特征信号进行相似性度量,得到的相似性矩阵进行k-medoids聚类,得到聚类结果。应用某矿区501工作面和802工作面微震监测数据集进行实验,验证所提方法的准确性和泛化性,经实验得出所提聚类方法轮廓系数89%,兰德系数90%,相比普通的k-medoids聚类算法聚类精度上升57%,为捕捉微震系统的异常事件提供了一种新方法。展开更多
文摘为解决因排查效率低、数据更新不及时等因素导致低压配电网户变关系连接形式与实际不符的问题,提出一种基于角度分段线性近似(anglepiecewiselinearrepresentation,APLR)和改进密度峰值聚类(improved clustering by fast search find of density peaks,ICFSFDP)相结合的户变关系识别方法。首先,根据电压曲线中相邻线段的角度变化量提取曲线的转折点,利用APLR对曲线进行自适应降维重构;随后,使用ICFSFDP算法对降维数据组展开聚类分析,在决策图中由拟合函数与坐标轴围成面积的最小值得到最优类簇数目,进而得到聚类和非聚类中心用户;最后,使用动态时间弯曲(dynamic time warping,DTW)距离计算聚类和非聚类中心用户之间的距离相似度,进而得到户变关系。将所提方法应用于模拟和真实数据中,均可证实所提方法的有效性。算例分析结果表明:该方法能够对时间间隔不同、不等维的序列进行分析,且不需要人为设定聚类算法的参数,户变关系识别准确率高。
文摘为更加快速准确地从微震时序数据中提取微震事件,提高异常事件的捕捉效率,提出一种基于多尺度融合卷积和空洞卷积的自动编码器(multi-scale fusion convolution and dilated convolutions auto encoder,MDCAE)与融合波动率和限制窗口的动态时间扭曲(constraints dynamic time warping for fusing volatility,CDTW-Vol)方法。提出MDCAE的特征提取方法,将波形信号转变为低维特征信号,引入微震波形的波动率的概念,通过改进后的DTW算法对特征信号进行相似性度量,得到的相似性矩阵进行k-medoids聚类,得到聚类结果。应用某矿区501工作面和802工作面微震监测数据集进行实验,验证所提方法的准确性和泛化性,经实验得出所提聚类方法轮廓系数89%,兰德系数90%,相比普通的k-medoids聚类算法聚类精度上升57%,为捕捉微震系统的异常事件提供了一种新方法。
