针对传统谐波责任划分方法需采用专门同步设备监测数据,且需基于等值电路模型划分谐波责任,工程应用较为复杂等不足,采用现有谐波监测装置非同步测量数据,提出一种综合考虑了数据非同步性、场景划分和数据相关性的谐波责任划分方法。首...针对传统谐波责任划分方法需采用专门同步设备监测数据,且需基于等值电路模型划分谐波责任,工程应用较为复杂等不足,采用现有谐波监测装置非同步测量数据,提出一种综合考虑了数据非同步性、场景划分和数据相关性的谐波责任划分方法。首先,对原始非同步监测数据集采用分段聚合近似算法进行降噪预处理,利用形状动态时间规整算法(shape dynamic time warping,ShapeDTW)实现数据匹配对齐;然后,利用点排序识别聚类结构的聚类算法(ordering points to identify the clustering structure,OPTICS)划分场景以处理电力系统中因负荷投切和无功补偿装置切换等情况导致的谐波责任变化;最后,基于相关性分析构建场景谐波责任和总谐波责任指标,在指标构建的过程中引入了场景时长占比这一因素以得到更加科学合理的总谐波责任值。通过仿真验证和电网实例验证,该方法能基于现有非同步性监测数据实现各用户合理时间尺度动态谐波责任划分,可为工程上的快速谐波责任划分提供一定的新思路和新方法。展开更多
高放废物地质处置特别是地下实验室研发过程中的多源数据融合挖掘研究具有重要意义(Wang Ju et al.,2018)。然而,目前阶段尚未实现对研发过程中多源数据的融合挖掘与二次应用。针对上述问题,从地下实验室多源监测数据特点出发,在确定地...高放废物地质处置特别是地下实验室研发过程中的多源数据融合挖掘研究具有重要意义(Wang Ju et al.,2018)。然而,目前阶段尚未实现对研发过程中多源数据的融合挖掘与二次应用。针对上述问题,从地下实验室多源监测数据特点出发,在确定地下实验室多源监测数据模型构建的基础上,结合深度学习技术,初步构建了地下实验室多源监测数据融合技术方法,并初步开展了数据融合设计,为处置库场址评价和安全评价等综合评价工作提供了新的研究思路。展开更多
针对监测抽水蓄能电站发电电动机运行数据存在冗余问题,致使存储数据延迟时间长,提出基于区块链的抽水蓄能电站发电电动机运行监测数据存储方法,通过存储数据身份验证维护存储数据安全。数据层运用数据采集平台获取抽水蓄能电站发电电...针对监测抽水蓄能电站发电电动机运行数据存在冗余问题,致使存储数据延迟时间长,提出基于区块链的抽水蓄能电站发电电动机运行监测数据存储方法,通过存储数据身份验证维护存储数据安全。数据层运用数据采集平台获取抽水蓄能电站发电电动机运行监测数据,采用变更数据捕获(change data capture,CDC)算法消除采集数据冗余,并通过发送终端将消冗后数据传输至分布式存储层;分布式存储层的区块链按时间戳的顺序确定数据区块的存储顺序,通过身份注册验证待上传的数据身份;分布式存储数据库采用HBase技术对通过身份验证数据进行多维排序映射存储;通过应用层客户端展示存储结果并提供数据共享服务。实验结果表明:该方法的数据消冗效果较好,可实现电动机运行监测数据存储,且存储数据延迟时间短,上传数据时的身份注册开销比较稳定,可保障存储数据安全。展开更多
为有效识别桥梁健康监测数据的异常,减少误预警、漏预警现象,保障桥梁监测数据的质量和有效性,针对大跨度斜拉桥长期监测数据的缺失、离群和漂移3类异常数据,提出基于时间序列压缩分割的监测数据异常识别算法。该算法将原始监测数据时...为有效识别桥梁健康监测数据的异常,减少误预警、漏预警现象,保障桥梁监测数据的质量和有效性,针对大跨度斜拉桥长期监测数据的缺失、离群和漂移3类异常数据,提出基于时间序列压缩分割的监测数据异常识别算法。该算法将原始监测数据时间序列通过基于序列重要点(Series Importance Point, SIP)的时间序列线性分段(Piecewise Linear Represent, PLR)算法(PLR_SIP)得到数条时间子序列;然后采用欧氏距离进行时间子序列的相似性分析,并基于改进的局部离群因子(Local Outlier Factor, LOF)算法计算每条时间子序列的局部离群因子;最后将其与设定的阈值相比较,从而识别出监测数据的异常。为验证该算法的准确性与工程实用性,对某公路大跨度斜拉桥健康监测数据进行异常识别。结果表明:采用PLR_SIP算法对原始时间序列压缩分割得到的时间子序列能够准确地反映原序列的变化趋势和范围;改进的LOF算法突破了传统LOF算法仅能识别离群值这类无持续时间异常的局限性,能够排除噪声的干扰,实现对离群、缺失和漂移3种异常的识别。该算法无需定义训练集,直接以原始监测数据作为算法的输入,同时能够自适应调整阈值参数,具有良好的可扩展性、实时性、准确性和高效性,适用于处理实时、大量的桥梁健康监测数据。展开更多
文摘针对传统谐波责任划分方法需采用专门同步设备监测数据,且需基于等值电路模型划分谐波责任,工程应用较为复杂等不足,采用现有谐波监测装置非同步测量数据,提出一种综合考虑了数据非同步性、场景划分和数据相关性的谐波责任划分方法。首先,对原始非同步监测数据集采用分段聚合近似算法进行降噪预处理,利用形状动态时间规整算法(shape dynamic time warping,ShapeDTW)实现数据匹配对齐;然后,利用点排序识别聚类结构的聚类算法(ordering points to identify the clustering structure,OPTICS)划分场景以处理电力系统中因负荷投切和无功补偿装置切换等情况导致的谐波责任变化;最后,基于相关性分析构建场景谐波责任和总谐波责任指标,在指标构建的过程中引入了场景时长占比这一因素以得到更加科学合理的总谐波责任值。通过仿真验证和电网实例验证,该方法能基于现有非同步性监测数据实现各用户合理时间尺度动态谐波责任划分,可为工程上的快速谐波责任划分提供一定的新思路和新方法。
文摘高放废物地质处置特别是地下实验室研发过程中的多源数据融合挖掘研究具有重要意义(Wang Ju et al.,2018)。然而,目前阶段尚未实现对研发过程中多源数据的融合挖掘与二次应用。针对上述问题,从地下实验室多源监测数据特点出发,在确定地下实验室多源监测数据模型构建的基础上,结合深度学习技术,初步构建了地下实验室多源监测数据融合技术方法,并初步开展了数据融合设计,为处置库场址评价和安全评价等综合评价工作提供了新的研究思路。
文摘针对监测抽水蓄能电站发电电动机运行数据存在冗余问题,致使存储数据延迟时间长,提出基于区块链的抽水蓄能电站发电电动机运行监测数据存储方法,通过存储数据身份验证维护存储数据安全。数据层运用数据采集平台获取抽水蓄能电站发电电动机运行监测数据,采用变更数据捕获(change data capture,CDC)算法消除采集数据冗余,并通过发送终端将消冗后数据传输至分布式存储层;分布式存储层的区块链按时间戳的顺序确定数据区块的存储顺序,通过身份注册验证待上传的数据身份;分布式存储数据库采用HBase技术对通过身份验证数据进行多维排序映射存储;通过应用层客户端展示存储结果并提供数据共享服务。实验结果表明:该方法的数据消冗效果较好,可实现电动机运行监测数据存储,且存储数据延迟时间短,上传数据时的身份注册开销比较稳定,可保障存储数据安全。
文摘为有效识别桥梁健康监测数据的异常,减少误预警、漏预警现象,保障桥梁监测数据的质量和有效性,针对大跨度斜拉桥长期监测数据的缺失、离群和漂移3类异常数据,提出基于时间序列压缩分割的监测数据异常识别算法。该算法将原始监测数据时间序列通过基于序列重要点(Series Importance Point, SIP)的时间序列线性分段(Piecewise Linear Represent, PLR)算法(PLR_SIP)得到数条时间子序列;然后采用欧氏距离进行时间子序列的相似性分析,并基于改进的局部离群因子(Local Outlier Factor, LOF)算法计算每条时间子序列的局部离群因子;最后将其与设定的阈值相比较,从而识别出监测数据的异常。为验证该算法的准确性与工程实用性,对某公路大跨度斜拉桥健康监测数据进行异常识别。结果表明:采用PLR_SIP算法对原始时间序列压缩分割得到的时间子序列能够准确地反映原序列的变化趋势和范围;改进的LOF算法突破了传统LOF算法仅能识别离群值这类无持续时间异常的局限性,能够排除噪声的干扰,实现对离群、缺失和漂移3种异常的识别。该算法无需定义训练集,直接以原始监测数据作为算法的输入,同时能够自适应调整阈值参数,具有良好的可扩展性、实时性、准确性和高效性,适用于处理实时、大量的桥梁健康监测数据。
