傳統(tǒng)的數(shù)據(jù)檢測(cè)方法易受電力系統(tǒng)環(huán)境變化的影響,難以對(duì)加時(shí)窗數(shù)據(jù)進(jìn)行檢測(cè),降低檢測(cè)準(zhǔn)確率。為此,該文利用大數(shù)據(jù)分析技術(shù)估計(jì)電力運(yùn)行數(shù)據(jù)的最大似然值等信息,設(shè)計(jì)新的電力運(yùn)行數(shù)據(jù)異常檢測(cè)示警方法,從根本上提高檢測(cè)準(zhǔn)確率。根據(jù)電力運(yùn)行數(shù)據(jù)異常檢測(cè)示警原理,對(duì)不同時(shí)窗中的子序列進(jìn)行聚類處理,確定每個(gè)時(shí)窗中的異常數(shù)據(jù);通過(guò)提取單數(shù)據(jù)、多數(shù)據(jù)特征量,用轉(zhuǎn)移概率序列表示電力運(yùn)行數(shù)據(jù)動(dòng)態(tài)變化情況,在完成正常數(shù)據(jù)與異常數(shù)據(jù)間模糊特征聚類的基礎(chǔ)上,采用大數(shù)據(jù)分析方法計(jì)算電力運(yùn)行均值和方差,完成最大似然值估計(jì),通過(guò)似然比建立異常情況檢測(cè)與示警流程,對(duì)數(shù)據(jù)異常情況進(jìn)行檢測(cè)示警。實(shí)驗(yàn)結(jié)果表明,在油溫和環(huán)境溫度變化的情況下,所提方法的檢測(cè)準(zhǔn)確率較高,且示警過(guò)程耗時(shí)較少,證明該方法整體有效性較高。 

【文章來(lái)源】：中國(guó)測(cè)試. 2020年07期 北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

基于大數(shù)據(jù)分析的檢測(cè)流程圖

對(duì)電力運(yùn)行數(shù)據(jù)異常情況進(jìn)行檢測(cè)與示警的流程如圖3所示。針對(duì)不同參量的歷史數(shù)據(jù)，通過(guò)大數(shù)據(jù)分析方法獲取轉(zhuǎn)移概率矩陣，并對(duì)多元時(shí)間序列進(jìn)行聚類。將在線檢測(cè)實(shí)時(shí)數(shù)據(jù)流進(jìn)行轉(zhuǎn)移，根據(jù)轉(zhuǎn)移概率矩陣能夠得到各個(gè)參量轉(zhuǎn)移概率序列，并及時(shí)判斷不同時(shí)間點(diǎn)的數(shù)據(jù)是否屬于生成簇。依據(jù)上述內(nèi)容，對(duì)數(shù)據(jù)流進(jìn)行異常檢測(cè)與示警，異常檢測(cè)示警具體實(shí)現(xiàn)方案如下所示：

以某電力系統(tǒng)中的電力設(shè)備為主，選擇2019年1月1日—6月1日的油溫、環(huán)境溫度數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)進(jìn)行樣本訓(xùn)練。油溫、環(huán)境溫度變化情況如圖4所示。由圖可知，隨著觀測(cè)時(shí)間增加，油溫呈上升趨勢(shì)，而環(huán)境溫度略有下降，但基本保持穩(wěn)定，維持在20℃。

【參考文獻(xiàn)】：
期刊論文
[1]Discovering unusual structures from exception using big data and machine learning techniques[J]. Jianshu Jie,Zongxiang Hu,Guoyu Qian,Mouyi Weng,Shunning Li,Shucheng Li,Mingyu Hu,Dong Chen,Weiji Xiao,Jiaxin Zheng,Lin-Wang Wang,Feng Pan.  Science Bulletin. 2019(09)
[2]智能電能表異常測(cè)量數(shù)據(jù)診斷方法綜述[J]. 裴茂林,黃洋界,趙偉,李世松.  電測(cè)與儀表. 2018(23)
[3]基于低秩模型的電力狀態(tài)數(shù)據(jù)異常檢測(cè)[J]. 李永攀,門錕,吳俊陽(yáng).  計(jì)算機(jī)工程與應(yīng)用. 2019(16)
[4]Set-theoretic detection of data corruption attacks on cyber physical power systems[J]. Efstathios KONTOURAS,Anthony TZES,Leonidas DRITSAS.  Journal of Modern Power Systems and Clean Energy. 2018(05)
[5]基于用電大數(shù)據(jù)的中長(zhǎng)期負(fù)荷預(yù)測(cè)研究[J]. 鄭海雁,王成亮.  電測(cè)與儀表. 2018(13)
[6]電力設(shè)備狀態(tài)大數(shù)據(jù)分析的研究和應(yīng)用[J]. 江秀臣,盛戈皞.  高電壓技術(shù). 2018(04)
[7]基于大數(shù)據(jù)分析的智能配電網(wǎng)狀態(tài)監(jiān)測(cè)與故障處理方法研究[J]. 柴謙益,鄭文斌,潘捷凱,陸紹彬,溫積群.  現(xiàn)代電子技術(shù). 2018(04)
[8]基于Spark框架的能源互聯(lián)網(wǎng)電力能源大數(shù)據(jù)清洗模型[J]. 曲朝陽(yáng),張藝競(jìng),王永文,趙瑩.  電測(cè)與儀表. 2018(02)
[9]基于數(shù)據(jù)挖掘和主成分分析的電力設(shè)備狀態(tài)評(píng)價(jià)[J]. 賀川雙,杜修明,嚴(yán)英杰,陳玉峰,盛戈皞,江秀臣.  高壓電器. 2017(12)
[10]大型數(shù)據(jù)庫(kù)中異常信息檢測(cè)仿真研究[J]. 薛鑫.  計(jì)算機(jī)仿真. 2017(08)



本文編號(hào)：2933965