期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Spark框架的电网运行异常数据辨识与修正方法
被引量：
23
1
作者
曲朝阳
朱润泽
+3 位作者
曲楠
曹令军
吕洪波
胡可为
《科学技术与工程》
北大核心
2019年第25期211-219,共9页
由于电网运行数据具有多源、异构、高维等典型大数据特征,使得传统检测方法已无法实现异常数据高效辨识;因此提出一种基于Spark框架的电网运行异常数据辨识与修正新方法。首先,提出了并行化最小生成树方法对待检测数据进行初始聚类;在...
由于电网运行数据具有多源、异构、高维等典型大数据特征,使得传统检测方法已无法实现异常数据高效辨识;因此提出一种基于Spark框架的电网运行异常数据辨识与修正新方法。首先,提出了并行化最小生成树方法对待检测数据进行初始聚类;在此基础上结合并行K-means算法对数据进行二次聚类实现异常数据辨识;然后,在Spark框架下设计了基于径向基函数(RBF)神经网络的异常数据修正模型,实现对异常数据修正。最后,利用某省调度中心SCADA数据对方法的有效性进行了验证,结果表明所提方法能够有效处理电网运行异常数据,具有实际应用价值。
展开更多
关键词
电网运行异常数据
Spark框架
最小生成树
K-MEANS
RBF神经网络
在线阅读
下载PDF
职称材料
配电网运行异常数据识别方法
被引量：
5
2
作者
林昱奂
郝方舟
+1 位作者
李柏新
黄波
《中国电力》
CSCD
北大核心
2023年第9期134-139,共6页
为提高配电网运行异常数据的识别准确率,提出结合k均值改进萤火虫算法的配电网运行异常数据识别方法。在配电网信息系统中采集配电网运行数据,并实施数据清洗、合并、特征化处理等操作。利用结合k均值改进萤火虫算法的优化聚类获取样本...
为提高配电网运行异常数据的识别准确率,提出结合k均值改进萤火虫算法的配电网运行异常数据识别方法。在配电网信息系统中采集配电网运行数据,并实施数据清洗、合并、特征化处理等操作。利用结合k均值改进萤火虫算法的优化聚类获取样本特征曲线及样本分类,得到带通矩阵来判定异常数据点,完成配电网运行异常数据识别。结果表明:所提方法对不同的用电设备状态组合的运行异常数据识别准确率更高。
展开更多
关键词
配
电网运行异常数据
异常
识别
萤火虫算法
优化聚类
在线阅读
下载PDF
职称材料
题名
基于Spark框架的电网运行异常数据辨识与修正方法
被引量：
23
1
作者
曲朝阳
朱润泽
曲楠
曹令军
吕洪波
胡可为
机构
东北电力大学计算机学院
吉林省电力大数据智能处理工程技术研究中心
国网江苏省电力公司检修分公司
国网吉林省电力有限公司
出处
《科学技术与工程》
北大核心
2019年第25期211-219,共9页
基金
国家自然科学基金重点项目(51437003)
吉林省科技发展计划重点项目(20180201092GX)
吉林省科技发展计划(20160623004TC)资助
文摘
由于电网运行数据具有多源、异构、高维等典型大数据特征,使得传统检测方法已无法实现异常数据高效辨识;因此提出一种基于Spark框架的电网运行异常数据辨识与修正新方法。首先,提出了并行化最小生成树方法对待检测数据进行初始聚类;在此基础上结合并行K-means算法对数据进行二次聚类实现异常数据辨识;然后,在Spark框架下设计了基于径向基函数(RBF)神经网络的异常数据修正模型,实现对异常数据修正。最后,利用某省调度中心SCADA数据对方法的有效性进行了验证,结果表明所提方法能够有效处理电网运行异常数据,具有实际应用价值。
关键词
电网运行异常数据
Spark框架
最小生成树
K-MEANS
RBF神经网络
Keywords
abnormal data of power grid
Spark framework
minimum spanning tree
K-means
RBF neural network
分类号
TM769 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
配电网运行异常数据识别方法
被引量：
5
2
作者
林昱奂
郝方舟
李柏新
黄波
机构
广东电网有限责任公司广州番禺供电局
广州供电局有限公司
出处
《中国电力》
CSCD
北大核心
2023年第9期134-139,共6页
基金
广东电网有限责任公司广州番禺供电局科技项目(082700KK52200001)
国家自然科学基金资助项目(51877061)。
文摘
为提高配电网运行异常数据的识别准确率,提出结合k均值改进萤火虫算法的配电网运行异常数据识别方法。在配电网信息系统中采集配电网运行数据,并实施数据清洗、合并、特征化处理等操作。利用结合k均值改进萤火虫算法的优化聚类获取样本特征曲线及样本分类,得到带通矩阵来判定异常数据点,完成配电网运行异常数据识别。结果表明:所提方法对不同的用电设备状态组合的运行异常数据识别准确率更高。
关键词
配
电网运行异常数据
异常
识别
萤火虫算法
优化聚类
Keywords
abnormal data of distribution network operation
abnormal recognition
firefly algorithm
optimize clustering
分类号
TM73 [电气工程—电力系统及自动化]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Spark框架的电网运行异常数据辨识与修正方法
曲朝阳
朱润泽
曲楠
曹令军
吕洪波
胡可为
《科学技术与工程》
北大核心
2019
23
在线阅读
下载PDF
职称材料
2
配电网运行异常数据识别方法
林昱奂
郝方舟
李柏新
黄波
《中国电力》
CSCD
北大核心
2023
5
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
