-
题名基于密度聚类算法的风电机组异常数据点筛选
- 1
-
-
作者
王克挺
-
机构
国家能源集团甘肃电力有限公司
-
出处
《电子设计工程》
2024年第18期127-131,共5页
-
基金
国网甘肃省电力公司科技项目(53262825001B)。
-
文摘
风电机组异常数据点筛选受到大规模高维噪声数据干扰,导致数据点筛选结果不全面。为精准筛选风电机组异常数据点,提出了基于密度聚类算法的风电机组异常数据点筛选方法。根据风电机组异常数据特征密度聚类,将多维向量空间中的数据形式化为特征值邻域,避免高维噪声影响异常数据点筛选过程。计算邻域半径和邻域密度,以反映数据分布紧密程度,确定密度低的点为噪声点。采用云分段最优熵算法,分析风速、功率数据样本关系,并计算信息熵。将样本熵计算结果输入到云发生器中,获取熵所在云序列坐标点,实现异常数据点筛选。由实验结果可知,所提出方法能够精准筛选出1号和2号风电机组异常数据点,为风电机组的安全运行提供精准数据。
-
关键词
密度聚类
风电机组
异常数据点
云分段最优熵
数据点筛选
-
Keywords
density clustering
wind turbine
abnormal data points
cloud segmentation optimal entropy
data point screening
-
分类号
TN914
[电子电信—通信与信息系统]
-
-
题名一种航标定位的GPS异常点快速判别及剔除方法
被引量：4
- 2
-
-
作者
林艺芳
李汪彪
苏伟达
蔡声镇
吴允平
-
机构
福建师范大学物理与光电信息科技学院
-
出处
《现代电子技术》
2008年第17期4-6,共3页
-
基金
国家自然基金项目(60673014)
福建省教育厅项目(JB07080)
2008年福建省科技厅重点项目(2008H0022)
-
文摘
介绍了一种采用古典概率与莱以特判别法相结合的GPS异常点快速判别方法,通过Visual C++以及Matlab工具进行模拟和仿真。实验结果表明:该方法具有处理速度快、效率高的优点,能快速判别并剔除GPS异常数据。将该方法应用在航标定位数据异常点的处理中,提高了航标终端对GPS异常数据的抗干扰能力,应用效果证明方法的可行性和高效性。
-
关键词
古典概率
异常数据点
基点位置
莱以特判别法
-
Keywords
classical probability
abnormal data
cardinal point
laiyite
-
分类号
TP13
[自动化与计算机技术—控制理论与控制工程]
-
