隨著數(shù)據(jù)存儲技術(shù)的發(fā)展和智能監(jiān)測裝置的普及,電網(wǎng)電量數(shù)據(jù)的規(guī)模和維度都得到了空前的拓展,迫切需要應(yīng)用大數(shù)據(jù)技術(shù)進行深入挖掘和分析,以獲得更高的電量預(yù)測精度。因此,本文以電量數(shù)據(jù)作為研究對象,重點圍繞電量數(shù)據(jù)的清洗和電量的精確預(yù)測展開研究,主要研究內(nèi)容如下:1)針對電網(wǎng)電量數(shù)據(jù)的數(shù)據(jù)清洗和標(biāo)準(zhǔn)化展開研究。針對電網(wǎng)電量數(shù)據(jù)庫中存在的數(shù)據(jù)離群、數(shù)據(jù)缺失等問題,提出基于改進KNN算法的離群點快速檢測算法和缺損數(shù)據(jù)遞歸填充算法;針對電量數(shù)據(jù)間數(shù)量級差距大的問題,提出最大值歸一化的標(biāo)準(zhǔn)化方法。2)針對電量曲線平穩(wěn)性較差、季節(jié)波動劇烈的問題,結(jié)合X-12-ARIMA程序和我國月度電量季節(jié)波動實際,對行業(yè)電量時間序列進行季節(jié)調(diào)整,提高了電量序列的平穩(wěn)性。3)為了降低建模和計算的復(fù)雜度并分離出不規(guī)則元素,提出電量數(shù)據(jù)的改進K-means聚類算法。針對聚類算法的收斂性問題,給出初始聚類中心的優(yōu)選方案,包括核心聚類對象的篩選和利用距離權(quán)重分散選取初始聚類中心的方法。為了使波動趨勢類似的行業(yè)可以被歸入同一類,提出帶權(quán)重的改進距離算子,通過歐氏距離算子和曲線相似度算子的加權(quán)組合,獲得了更好的聚類效果。引入輪廓系... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

不離群點判別理論

基于改進KNN的離群點快速檢測算法流程圖

以數(shù)據(jù)規(guī)模為橫軸,算法運行時間為縱軸,繪制出兩種算法的運行時間隨數(shù)據(jù)規(guī)模變化的曲線如下圖2-3:從圖中可以看出,在數(shù)據(jù)規(guī)模小于1500條時,因為改進KNN算法需要進行預(yù)先的不離群點判別,原始KNN算法的效率要高于改進KNN算法;但是當(dāng)數(shù)據(jù)規(guī)模進一步擴大高于1500條時,改進KNN算法的優(yōu)越性就開始顯現(xiàn)了,在數(shù)據(jù)量達到2000條時,改進KNN算法比原始KNN算法要少用時6秒,效率提升20%,說明改進KNN算法更能適應(yīng)電網(wǎng)電量大數(shù)據(jù)的離群點搜索。

【參考文獻】：
期刊論文
[1]On Consistency of the Nearest Neighbor Estimator of the Density Function and Its Applications[J]. Yi WU,Xue Jun WANG.  Acta Mathematica Sinica. 2019(05)
[2]基于K-means聚類的小波支持向量機配電網(wǎng)短期負(fù)荷預(yù)測及應(yīng)用[J]. 詹仁俊.  供用電. 2019(04)
[3]基于聚類算法的電量大數(shù)據(jù)分析[J]. 李昂,向翰丞,錢瑞琦,張蕾.  通信電源技術(shù). 2019(03)
[4]基于聚類的連續(xù)型數(shù)據(jù)缺失值充填方法[J]. 李國和,楊紹偉,吳衛(wèi)江,鄭藝峰.  計算機工程. 2019(09)
[5]利用聚類分析和離群點檢測的數(shù)據(jù)填補方法[J]. 馬永軍,汪睿,李亞軍,陳海山.  計算機工程與設(shè)計. 2019(03)
[6]基于KNN離群點檢測和隨機森林的多層入侵檢測方法[J]. 任家東,劉新倩,王倩,何海濤,趙小林.  計算機研究與發(fā)展. 2019(03)
[7]基于大數(shù)據(jù)運用的電網(wǎng)企業(yè)運營監(jiān)測管理[J]. 段貝莉,朱帆,夏保冰,楊琳,左航,郭巖巖.  管理觀察. 2019(07)
[8]DBSCAN聚類算法的參數(shù)配置方法研究[J]. 宋金玉,郭一平,王斌.  計算機技術(shù)與發(fā)展. 2019(05)
[9]電力大數(shù)據(jù)在配電網(wǎng)規(guī)劃中的應(yīng)用研究[J]. 鄒岳琳,張龍軍,劉昆.  中國新通信. 2019(05)
[10]面向智能電網(wǎng)應(yīng)用的電力大數(shù)據(jù)關(guān)鍵技術(shù)探討[J]. 李永光,張彥軍,汪凱威,於湘濤,黃輝.  數(shù)字通信世界. 2019(03)

博士論文
[1]時間序列的結(jié)構(gòu)變化和單位根檢驗[D]. 于寄語.華中科技大學(xué) 2017

碩士論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的地區(qū)售電量預(yù)測新方法研究[D]. 李瑞杰.西安科技大學(xué) 2018
[2]基于改進FCM的模糊神經(jīng)網(wǎng)絡(luò)控制策略的研究與仿真[D]. 田丹.西安電子科技大學(xué) 2018
[3]基于考慮季節(jié)調(diào)整ARIMA模型的區(qū)域月度售電量預(yù)測研究[D]. 王承慶.天津大學(xué) 2018
[4]電力大數(shù)據(jù)在配網(wǎng)規(guī)劃中的應(yīng)用研究[D]. 程寶玉.華北電力大學(xué)(北京) 2017
[5]基于季節(jié)調(diào)整的業(yè)擴報裝分析預(yù)測研究[D]. 楊廣森.山東大學(xué) 2016
[6]基于時間序列法和回歸分析法的改進月售電量預(yù)測方法研究[D]. 程超.重慶大學(xué) 2016
[7]季節(jié)調(diào)整方法比較研究[D]. 王雨琴.暨南大學(xué) 2016
[8]基于組合權(quán)重的中長期負(fù)荷預(yù)測研究及系統(tǒng)實現(xiàn)[D]. 張杰龍.湖南大學(xué) 2016
[9]數(shù)據(jù)挖掘中的離群點檢測算法研究[D]. 胡婷婷.廈門大學(xué) 2014
[10]基于組合方法的月度售電量預(yù)測研究[D]. 孫婧捷.大連理工大學(xué) 2014



本文編號：3030391