期刊文献+
共找到78篇文章
< 1 2 4 >
每页显示 20 50 100
基于DTW-两阶四分位的分布式光伏发电异常数据辨识 被引量:8
1
作者 刘洋 于海东 +3 位作者 刘文彬 黄敏 李立生 张世栋 《热力发电》 CAS CSCD 北大核心 2024年第7期34-44,共11页
设备故障、天气环境等因素导致分布式光伏发电系统产生大量异常数据,对其安全稳定运行造成严重影响。为了准确识别和剔除存在的异常数据,提出一种基于动态时间弯曲(DTW)-两阶四分位的分布式光伏发电异常数据辨识方法。首先,通过对比相... 设备故障、天气环境等因素导致分布式光伏发电系统产生大量异常数据,对其安全稳定运行造成严重影响。为了准确识别和剔除存在的异常数据,提出一种基于动态时间弯曲(DTW)-两阶四分位的分布式光伏发电异常数据辨识方法。首先,通过对比相似辐照度下光伏功率均值实现连续型异常数据识别与剔除,采用基于同时段光伏功率均值剔除异常数据,并考虑光伏发电曲线的波动性,采用基于DTW与欧氏距离的综合曲线相似度判定方法剔除连续型异常数据,更全面地考虑了数据的波动特性,提高了连续型异常数据辨识和剔除效果;其次,提出DTW-两阶四分位异常数据辨识算法,采用一阶变化率和二阶变化率对融合后的数据进行离散型异常数据剔除,有效识别和剔除离散型异常数据;最后,根据异常数据识别和剔除结果判断是否出现故障。实验结果表明:所提算法剔除异常数据后能更好地拟合正常光伏功率数据分布情况,相较于四分位法和3-Sigma算法,所提算法剔除异常数据前后线性相关程度变化分别提高了58.15%和68.41%,辨识效果更佳。 展开更多
关键词 分布式光伏 异常数据辨识 动态时间弯曲 两阶四分位
在线阅读 下载PDF
基于证据融合理论的多不良数据辨识 被引量:19
2
作者 卢志刚 程慧琳 +1 位作者 冯磊 杨丽君 《电网技术》 EI CSCD 北大核心 2012年第1期123-128,共6页
为更好地克服残差污染和残差淹没,实现多不良数据的辨识,引入电气距离、节点相关系数和灵敏度作为证据,运用证据融合理论确定测量关联度,测量关联度可反映测量数据出现残差污染和残差淹没的可能性。对于残差较大且测量关联度较小的数据... 为更好地克服残差污染和残差淹没,实现多不良数据的辨识,引入电气距离、节点相关系数和灵敏度作为证据,运用证据融合理论确定测量关联度,测量关联度可反映测量数据出现残差污染和残差淹没的可能性。对于残差较大且测量关联度较小的数据,发生残差污染的可能性较小,可直接辨识为不良数据;对于残差较大且测量关联度较大的数据,采用模糊聚类方法,隔离不良数据,对系统进行分区,并逐步修正不良数据,选择可靠测量数据重新进行状态估计。算例结果验证了该方法的有效性。 展开更多
关键词 残差污染 残差淹没 数据辨识:证据融合 测量关联度
在线阅读 下载PDF
基于改进Wasserstein生成式对抗网络的电力系统不良数据辨识 被引量:17
3
作者 臧海祥 郭镜玮 +3 位作者 黄蔓云 卫志农 孙国强 赵佳伟 《电力自动化设备》 EI CSCD 北大核心 2022年第9期50-56,110,共8页
随着新能源并网以及大量电力电子器件的投入,电力系统的数据类型向多元复杂化的趋势发展。针对大规模电力系统中出现的不良数据辨识性能差、辨识效率低的问题,提出了一种基于改进Wasserstein生成式对抗网络(WGAN-GP)的不良数据辨识方法... 随着新能源并网以及大量电力电子器件的投入,电力系统的数据类型向多元复杂化的趋势发展。针对大规模电力系统中出现的不良数据辨识性能差、辨识效率低的问题,提出了一种基于改进Wasserstein生成式对抗网络(WGAN-GP)的不良数据辨识方法。基于历史数据库中的状态量得到多断面正常量测数据并训练WGAN-GP模型;将含不良数据的量测信息输入训练好的WGAN-GP模型,得到对应的量测重构数据,并得到最终的量测重构误差;为了避免人为确定阈值的主观性,提出了一种基于C4.5决策树模型的不良数据阈值确定方法,将量测重构误差输入训练好的决策树模型,即可定位1组量测信息中的不良数据位置。以IEEE标准系统和某实际省网为算例进行仿真测试,结果表明相较于已有方法,所提方法具有更好的辨识性能和更高的辨识效率。 展开更多
关键词 电力系统 不良数据辨识 数据驱动 Wasserstein生成式对抗网络 决策树模型
在线阅读 下载PDF
基于可信度的电缆配电网不良数据辨识与修正 被引量:5
4
作者 刘健 蔡明威 +2 位作者 张志华 张小庆 杜红卫 《电力自动化设备》 EI CSCD 北大核心 2014年第2期67-72,共6页
根据流过一条母线的各个开关的负荷间的平衡约束以及流过直接相连开关的负荷间的平衡约束,提出可信度分析的3个原则,建议数据质量评价步骤。在此基础上,提出一种基于可信度的配电网不良数据辨识与修正方法,根据节点数据的可信度差异对... 根据流过一条母线的各个开关的负荷间的平衡约束以及流过直接相连开关的负荷间的平衡约束,提出可信度分析的3个原则,建议数据质量评价步骤。在此基础上,提出一种基于可信度的配电网不良数据辨识与修正方法,根据节点数据的可信度差异对不良数据进行修正,以配电网数据的整体可信度最大为目标。实例结果表明:在仅有少量不良数据的情况下,所提方法可以对不良数据进行修正,达到提高数据可信度的目的。 展开更多
关键词 配电 电缆 可信度 不良数据辨识与修正 模型
在线阅读 下载PDF
基于人工神经网络的电力负荷坏数据辨识与调整 被引量:57
5
作者 张国江 邱家驹 李继红 《中国电机工程学报》 EI CSCD 北大核心 2001年第8期104-107,113,共5页
电力负荷坏数据辨识应充分考虑负荷曲线本身的特征。先用Kohonen网对日负荷曲线进行聚类 ,产生各类的特征曲线 ;然后用特征曲线及由此产生的含有坏数据的曲线形成的样本集对BP网进行训练 ,利用BP网的泛化能力 ,使之具备对本类曲线进行... 电力负荷坏数据辨识应充分考虑负荷曲线本身的特征。先用Kohonen网对日负荷曲线进行聚类 ,产生各类的特征曲线 ;然后用特征曲线及由此产生的含有坏数据的曲线形成的样本集对BP网进行训练 ,利用BP网的泛化能力 ,使之具备对本类曲线进行坏数据精确定位的能力 ;最后利用特征曲线进行坏数据的调整。该方法能够做到离线训练 ,在线辨识 ,实例分析取得了良好的效果。 展开更多
关键词 电力负荷 数据辨识 人工神经网络 人工智能
在线阅读 下载PDF
基于密度估计的异常电力负荷数据辨识与修正 被引量:8
6
作者 陈亮 文福拴 童述林 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2012年第2期124-129,共6页
SCADA系统数据库中一般会有一些异常的电力负荷数据,直接用其来进行短期负荷预测将影响预测结果的准确性,因此有必要对这些异常数据进行辨识和修正.文中同时考虑负荷的横向连续性和纵向连续性,先把负荷数据按照日期排列成二维数据集,然... SCADA系统数据库中一般会有一些异常的电力负荷数据,直接用其来进行短期负荷预测将影响预测结果的准确性,因此有必要对这些异常数据进行辨识和修正.文中同时考虑负荷的横向连续性和纵向连续性,先把负荷数据按照日期排列成二维数据集,然后采用基于密度的方法,在两个维度中对异常数据进行辨识与修正,最后通过实例分析验证了该方法的有效性. 展开更多
关键词 电力负荷 异常数据 短期预测 密度估计 数据辨识 数据修正
在线阅读 下载PDF
基于改进ART2网络的电力负荷脏数据辨识与调整 被引量:9
7
作者 顾民 葛良全 秦健 《电力系统自动化》 EI CSCD 北大核心 2007年第16期70-74,共5页
为提高电力负荷预测和特性分析的精度,应首先对负荷历史数据的脏数据进行辨识和调整。文中提出了基于改进ART2网络的脏数据辨识与调整模型。该模型首先基于类内样本与类中心距离不同会对类中心的偏移产生不同影响的思想,改善了传统的ART... 为提高电力负荷预测和特性分析的精度,应首先对负荷历史数据的脏数据进行辨识和调整。文中提出了基于改进ART2网络的脏数据辨识与调整模型。该模型首先基于类内样本与类中心距离不同会对类中心的偏移产生不同影响的思想,改善了传统的ART2模式漂移的不足,然后根据残差理论以及电力负荷曲线固有的特征,增加了鉴别修正子系统。利用模型中传统的ART2部分对负荷曲线进行分类并提取其特征曲线,然后再利用鉴别修正子系统对输入的负荷数据进行脏数据辨识与调整。实例分析说明了该方法的有效性。 展开更多
关键词 负荷预测 数据辨识 ART2神经网络 模式漂移 残差
在线阅读 下载PDF
基于负荷预测与关联规则修正的不良数据辨识方法 被引量:11
8
作者 王海云 田莎莎 +2 位作者 张再驰 陈茜 卢志刚 《电力系统保护与控制》 EI CSCD 北大核心 2017年第23期24-33,共10页
随着电力系统的快速发展,使得电网需要对海量、异构和多态的数据进行分析与辨识。传统的不良数据辨识方法辨识效率较低,且不能够高效率利用已知的全部数据信息。为解决此问题,提出了一种基于负荷预测与关联规则修正的不良数据辨识方法... 随着电力系统的快速发展,使得电网需要对海量、异构和多态的数据进行分析与辨识。传统的不良数据辨识方法辨识效率较低,且不能够高效率利用已知的全部数据信息。为解决此问题,提出了一种基于负荷预测与关联规则修正的不良数据辨识方法。根据数据量之间的内在联系,给出了一种三维矩阵的数据存储方法。建立基于回归分析法的预测模型与基于灰色关联的相关性分析模型,分析节点注入功率与温度之间的变化关系,并采用关联规则与特殊断面修正法对预测值进行修正,进而完成对注入功率的辨识。在此基础上,再通过基尔霍夫定律与残差辨识法完成对支路潮流数据的辨识工作。最后应用实际系统的仿真算例证明了该方法能够在克服残差污染和残差淹没现象的前提下准确辨识出全部的不良数据。 展开更多
关键词 不良数据辨识 数据存储 回归分析预测模型 相关性分析建模 关联规则
在线阅读 下载PDF
基于量测量替换与标准化残差检测的不良数据辨识 被引量:23
9
作者 卢志刚 张宗伟 《电力系统自动化》 EI CSCD 北大核心 2007年第13期52-56,62,共6页
针对多不良数据辨识中存在的残差污染和残差淹没问题,提出一种多不良数据辨识方法,在应用P-Q分解法的基础上,首先选取部分量测进行状态估计,接着用剩余量测逐一替换参与估计计算的量测,并根据替换后各量测标准化残差的大小得到可疑数据... 针对多不良数据辨识中存在的残差污染和残差淹没问题,提出一种多不良数据辨识方法,在应用P-Q分解法的基础上,首先选取部分量测进行状态估计,接着用剩余量测逐一替换参与估计计算的量测,并根据替换后各量测标准化残差的大小得到可疑数据,其间量测量的替换可以打破发生残差淹没的平衡,使得由于发生残差淹没而导致标准化残差合格的不良数据凸显出来,之后又通过状态估计对可疑数据进行校核,恢复受到残差污染的量测为正常量测,最终将不良数据辨识出来。此外,还给出替换和减少一维量测后计算标准化残差的简化方法,以提高计算速度。最后以某地区220kV电网为背景进行算例分析,表明该方法的有效性和可行性。 展开更多
关键词 不良数据辨识 状态估计 量测量替换 残差检测 电力系统
在线阅读 下载PDF
基于GSA的肘形判据用于电力系统不良数据辨识 被引量:27
10
作者 吴军基 杨伟 +1 位作者 葛成 赵彤 《中国电机工程学报》 EI CSCD 北大核心 2006年第22期23-28,共6页
在分析GSA(gap statistic algorithm)数据挖掘技术应用于电力系统不良数据辨识的基础上,提出一种判断最佳聚类个数的肘形判据,该判据通过分析数据集的聚类离散度与聚类个数k的关系,按照各个k点的聚类离散度计算k处的肘形折角,并以最小... 在分析GSA(gap statistic algorithm)数据挖掘技术应用于电力系统不良数据辨识的基础上,提出一种判断最佳聚类个数的肘形判据,该判据通过分析数据集的聚类离散度与聚类个数k的关系,按照各个k点的聚类离散度计算k处的肘形折角,并以最小肘形折角判断最佳聚类个数。将该判据与GSA相结合用于电力系统不良数据辨识。仿真结果表明:该方法不仅可以避免状态估计方法辨识的残差污染和残差淹没现象,而且可以克服单纯GSA辨识法在计算速度和辨识准确性方面的缺陷。对于大系统、数据量巨大的情况,该方法是一种快速高效的算法,具有很好的应用前景。 展开更多
关键词 电力系统 不良数据辨识 肘形判据 间隙统计算法 数据挖掘 聚类分析
在线阅读 下载PDF
配电系统电压跌落状态估计中的不良数据辨识 被引量:5
11
作者 张国辉 王宾 +1 位作者 潘贞存 高鹏 《电网技术》 EI CSCD 北大核心 2010年第8期69-73,共5页
SSE(sag state estimation)算法是一种用于电压跌落状态估计的二阶曲线拟合算法,其精度受监测数据精度影响严重,若监测关键点存在不良数据会导致整个配电网电压跌落状态的估计错误。基于此,提出了电压跌落状态估计不良数据检测算法,并... SSE(sag state estimation)算法是一种用于电压跌落状态估计的二阶曲线拟合算法,其精度受监测数据精度影响严重,若监测关键点存在不良数据会导致整个配电网电压跌落状态的估计错误。基于此,提出了电压跌落状态估计不良数据检测算法,并构造了修正不良数据的数学模型。算例结果证明,该算法能够有效识别不良数据,提高电压跌落状态估计精度。 展开更多
关键词 配电系统 电压跌落状态估计 数据辨识 二阶曲线拟合
在线阅读 下载PDF
基于模糊等价矩阵聚类分析的不良数据辨识 被引量:13
12
作者 蒋德珑 王克文 王祥东 《电力系统保护与控制》 EI CSCD 北大核心 2011年第21期1-6,11,共7页
采用模糊数学的方法来辨识电力系统实时运行数据中的不良数据。利用基于模糊等价矩阵的聚类分析方法,以标准残差和相邻采样时刻的量测量差值作为特征值,通过寻找最佳阈值,对量测项目进行动态聚类,根据个别已知的良数据和'数以类聚&#... 采用模糊数学的方法来辨识电力系统实时运行数据中的不良数据。利用基于模糊等价矩阵的聚类分析方法,以标准残差和相邻采样时刻的量测量差值作为特征值,通过寻找最佳阈值,对量测项目进行动态聚类,根据个别已知的良数据和'数以类聚'的原则,得到全良数据的分类,进而辨识出不良数据。最后分别对传统算例模型和某地区电网实时数据进行仿真分析,表明该方法能快速准确的辨识出不良数据,有效避免残差污染和残差淹没现象,更适合实际电网的计算要求。 展开更多
关键词 电力系统 不良数据辨识 模糊等价矩阵 聚类分析 传递闭包
在线阅读 下载PDF
低秩矩阵分解在母线坏数据辨识与修复中的应用 被引量:12
13
作者 王毅 李鼎睿 康重庆 《电网技术》 EI CSCD 北大核心 2017年第6期1972-1979,共8页
母线负荷分析与预测对电力系统的安全稳定具有重要意义。目前我国采集到的母线负荷数据中含有较多且类型不同的坏数据,给母线负荷的分析的准确性与预测的精确性带来较大影响。文中提出了一种基于低秩矩阵分解的母线坏数据辨识与修复方... 母线负荷分析与预测对电力系统的安全稳定具有重要意义。目前我国采集到的母线负荷数据中含有较多且类型不同的坏数据,给母线负荷的分析的准确性与预测的精确性带来较大影响。文中提出了一种基于低秩矩阵分解的母线坏数据辨识与修复方法。从母线数据本身出发,首先分析了母线数据的低秩特性,研究不同类型坏数据产生的原因;然后建立了一种基于低秩矩阵分解的母线坏数据辨识与修复的模型,并给出了基于阈值迭代法(iterative thresholding,IT)的模型求解方法;最后,利用广东省母线负荷实际算例进行了分析,并利用修复前后的母线数据进行虚拟预测对比,结果实现了坏数据的有效恢复和预测精度的提高。 展开更多
关键词 母线负荷 低秩矩阵分解 数据辨识 数据修复 负荷预测
在线阅读 下载PDF
基于GSA的电力系统不良数据辨识算法 被引量:6
14
作者 杨伟 胡军 吴军基 《继电器》 CSCD 北大核心 2005年第22期41-44,共4页
随着数字化技术在电力系统中的广泛应用及对电力系统运行可靠性要求的不断提高,不良数据的辨识显得越来越重要。目前广泛应用的状态估计法,存在残差污染等缺点。论文研究了建立在神经网络和聚类分析基础上的GSA不良数据辨识算法,该算法... 随着数字化技术在电力系统中的广泛应用及对电力系统运行可靠性要求的不断提高,不良数据的辨识显得越来越重要。目前广泛应用的状态估计法,存在残差污染等缺点。论文研究了建立在神经网络和聚类分析基础上的GSA不良数据辨识算法,该算法运用神经网络完成对测量数据的预处理,然后由GSA算法对聚类分析后的结果进行判断,完成不良数据的辨识。论文借助M atlab及C语言对GSA算法进行了仿真,通过一个具体的网络不良数据辨识将此算法与状态估计算法进行了比较,验证了该算法的有效性及实用性,有效地避免了不良数据的漏检、误检。 展开更多
关键词 GSA 数据挖掘 不良数据辨识
在线阅读 下载PDF
基于多元数据特征和改进随机森林的智能配电网异常数据辨识 被引量:16
15
作者 李强 张立梅 白牧可 《科学技术与工程》 北大核心 2023年第5期2007-2015,共9页
智能配电网异常数据的准确辨识对于提高电网安全运行和调度具有重要意义。提出一种基于多元数据特征和改进随机森林算法的异常数据辨识方法。首先,在分析异常数据辨识过程的基础上,利用K-means、箱线图法等提取原始数据异常特征;考虑配... 智能配电网异常数据的准确辨识对于提高电网安全运行和调度具有重要意义。提出一种基于多元数据特征和改进随机森林算法的异常数据辨识方法。首先,在分析异常数据辨识过程的基础上,利用K-means、箱线图法等提取原始数据异常特征;考虑配电网技术需求,挖掘电网运行的衍生特征。其次,针对类不平衡问题,提出结合过采样方法的混合Bootstrap抽样和加权投票策略,引入信息增益率优化最优特征选择,增加算法稳定性。最后,仿真分析了决策树数量和衍生特征对算法辨识性能的影响,并与支持向量机、神经网络等算法进行性能比较。实验结果表明所提方法有效、合理,具有优异的辨识性能和效率。 展开更多
关键词 异常数据辨识 随机森林 多元数据特征提取 智能配电网
在线阅读 下载PDF
电能量远程采集与分析系统的数据辨识与修正 被引量:2
16
作者 董丽娟 李晓明 肖鲲 《电力系统及其自动化学报》 CSCD 2002年第3期13-15,54,共4页
本文针对电能量远程采集与分析系统数据量大 ,数据的采集与传输经过的设备多 ,通信质量受影响 ,数据的可靠性有时难以保证的特点。提出了包括事件检测法、阀值检测法、规律检测法等数据辨识方法和包括均值法、单点录入法、牛顿法、拉格... 本文针对电能量远程采集与分析系统数据量大 ,数据的采集与传输经过的设备多 ,通信质量受影响 ,数据的可靠性有时难以保证的特点。提出了包括事件检测法、阀值检测法、规律检测法等数据辨识方法和包括均值法、单点录入法、牛顿法、拉格朗日法、最小二乘曲线拟合法等修正方法。对检测出的不正确的数据进行修正使其合理化 ,以保证数据正确和完整性。 展开更多
关键词 电能量 远程采集 分析系统 数据辨识 电能表 数据采集终端 数据修正 电量计费系统
在线阅读 下载PDF
计及坏数据辨识的微网群三相分布式状态估计方法 被引量:5
17
作者 巨云涛 于燕玲 +1 位作者 张紫枫 林毅 《高电压技术》 EI CAS CSCD 北大核心 2022年第4期1251-1263,共13页
为了满足微网群数据分布式管理的实际需求,微网群状态估计需要采用分布式模式。首先提出了一种分布式坏数据辨识方法,实现对微网群系统中不良数据的检测和辨识,然后提出基于增广拉格朗日交替方向非精确牛顿(augmented Lagrangian altern... 为了满足微网群数据分布式管理的实际需求,微网群状态估计需要采用分布式模式。首先提出了一种分布式坏数据辨识方法,实现对微网群系统中不良数据的检测和辨识,然后提出基于增广拉格朗日交替方向非精确牛顿(augmented Lagrangian alternating direction inexact Newton,ALADIN)法的双层分布式状态估计算法。在数据交换量方面,每个分区分别进行独立的状态估计计算,分区之间仅仅通过交换相邻分区的边界耦合信息,采用共轭梯度(conjugate gradient,CG)算法更新每个分区的拉格朗日乘子,避免了信息隐私的暴露。基于5节点和21节点微网群系统的算例结果表明,所提分布式状态估计算法能够分布式辨识杠杆量测和有效处理坏数据,具有分区间信息交换少和收敛性好的特征,且能够达到集中式计算的求解精度。 展开更多
关键词 分布式状态估计 分布式算法 微网群 杠杆量测 数据辨识
在线阅读 下载PDF
一种基于PMU和SCADA单节点互校核的前端数据辨识框架 被引量:15
18
作者 刘雯静 杨军 +3 位作者 袁文 唐云红 谭本东 徐箭 《电力系统保护与控制》 EI CSCD 北大核心 2020年第8期1-9,共9页
随着电网自动化技术的发展,数据中心可获取海量多源多时空数据,在此基础上进行多源量测值互校核有利于实现后续大数据高级应用。针对单节点同时存在PMU与SCADA量测值的情况,提出一种前端不良数据辨识框架。为克服量测值负样本较少的问题... 随着电网自动化技术的发展,数据中心可获取海量多源多时空数据,在此基础上进行多源量测值互校核有利于实现后续大数据高级应用。针对单节点同时存在PMU与SCADA量测值的情况,提出一种前端不良数据辨识框架。为克服量测值负样本较少的问题,采用基于粒子群优化的改进一分类支持向量机辨识方法,根据两源量测差值识别异常点。对接近向量机边界可能被误判的值利用间隙统计法进行修正,确定不良数据。然后检验其所在时间点的PMU量测值,最终确定不良数据位置。基于某省实际电网数据对PMU与SCADA互校核辨识框架进行了验证与分析。计算结果表明所提方法能够有效地辨识出两数据源的前端不良数据,计算量小、耗时较短,比仅利用单源数据进行校核的结果更加可靠。 展开更多
关键词 前端数据辨识 数据采集与监视控制系统 同步相量测量单元 改进一分类支持向量机 间隙统计算法
在线阅读 下载PDF
基于最大测点正常率与GPU并行加速的不良数据辨识方法 被引量:13
19
作者 方睿 董树锋 +3 位作者 唐坤杰 朱承治 裴湉 宋永华 《电力系统自动化》 EI CSCD 北大核心 2019年第16期86-94,115,共10页
基于测量不确定度的概念,以测点正常率最大(MNMR)为目标的电力系统抗差状态估计方法具有较好的不良数据辨识能力。然而,该模型求解困难,已有研究对该模型进行了近似等效,并采用现代内点法进行求解,但存在因近似而辨识效果降低的问题。为... 基于测量不确定度的概念,以测点正常率最大(MNMR)为目标的电力系统抗差状态估计方法具有较好的不良数据辨识能力。然而,该模型求解困难,已有研究对该模型进行了近似等效,并采用现代内点法进行求解,但存在因近似而辨识效果降低的问题。为此,基于MNMR状态估计模型,采用杂交变异粒子群算法,提出一种基于图形处理器(GPU)并行加速的不良数据辨识算法。该算法不对MNMR模型进行近似等效,根据GPU并行计算架构特点,设计了粗粒度和细粒度结合的并行加速策略。算例结果表明,所提的算法对不良数据的误检率和漏检率较低,具有较好的不良数据辨识能力,且计算时间短,加速效率高,能够满足实际运行需求。 展开更多
关键词 数据辨识 状态估计 测点正常率 图形处理器 并行计算
在线阅读 下载PDF
基于改进式k-prototypes聚类的坏数据辨识与修正 被引量:9
20
作者 王孝慈 董树锋 +2 位作者 刘育权 王莉 李俊格 《电测与仪表》 北大核心 2022年第2期9-15,共7页
工业领域很多技术的实现都以准确的负荷数据为基础,而工厂现有的负荷数据测量体系常因为通信、存储等故障,导致负荷数据中出现大量坏数据。因此,提出基于改进式k-prototypes聚类的坏数据辨识与修正方法,通过在聚类中引入非负荷数据特征... 工业领域很多技术的实现都以准确的负荷数据为基础,而工厂现有的负荷数据测量体系常因为通信、存储等故障,导致负荷数据中出现大量坏数据。因此,提出基于改进式k-prototypes聚类的坏数据辨识与修正方法,通过在聚类中引入非负荷数据特征,削弱负荷坏数据对聚类结果的影响,使坏数据辨识和修复结果更准确。改进式k-prototypes算法通过随机初始化,并行计算择优,克服了标准k-prototypes容易随初始聚类中心陷入局部最优解的缺陷;并通过聚类数量的自适应处理,解决了主观决定聚类数量的问题。基于聚类结果,根据正态分布原则确定负荷数据可行域,识别坏数据,并利用类中心置换法进行修正。实验表明,该方法较只考虑负荷数据的模糊均值聚类法效果更好,坏数据识别的召回率与修正的准确率显著提高。 展开更多
关键词 k-prototypes聚类 混合数据集聚类 数据辨识 类中心置换修正法 工业负荷预处理
在线阅读 下载PDF
上一页 1 2 4 下一页 到第
使用帮助 返回顶部