發(fā)布時間：2021-08-25 21:07

　　配電網(wǎng)中的大數(shù)據(jù)技術(shù)應(yīng)用包括配電網(wǎng)中的噪聲數(shù)據(jù)識別、配電網(wǎng)規(guī)劃、負(fù)荷預(yù)測、故障診斷、智能配電等等,因此有效的將大數(shù)據(jù)技術(shù)運用在配電網(wǎng)運行中,既能滿足用戶的用電需求又能節(jié)約電能。根據(jù)電網(wǎng)公司采集的歷史數(shù)據(jù),本文主要研究配電網(wǎng)環(huán)境下的噪聲數(shù)據(jù)識別、用電行為分析以及負(fù)荷預(yù)測等方面。通過查閱資料可知,單純運用一項大數(shù)據(jù)技術(shù)很難達(dá)到良好的效果,傳統(tǒng)的k-means聚類需要事先確定聚類個數(shù),且隨機選擇初始聚類中心,本文提出了基于相關(guān)關(guān)系的k-means聚類;在用電行為分析方面,傳統(tǒng)的聚類和分類方法在識別竊電用戶上效果不佳,很難對用戶用電行為做準(zhǔn)確的劃分,本文提出了基于k-means和DBSCAN的互補分析方法。本文研究的詳細(xì)內(nèi)容有以下幾點:首先,本文采用基于相關(guān)關(guān)系的k-means聚類,能有效的將相關(guān)性高的數(shù)據(jù)分到一個聚類簇中,并通過聚類指標(biāo)驗證了提出算法的有效性,將處理后的數(shù)據(jù)集采用決策樹的方法進(jìn)行第二階段的噪聲數(shù)據(jù)識別,采用AUC驗證了分類的準(zhǔn)確率,將識別出的噪聲數(shù)據(jù)剔除之后采用基于距離分布權(quán)重的KNN替補方法替換噪聲數(shù)據(jù)。其次,本文采用基于k-means和DBSCAN的互補方法做用電行為分析... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

sigmoid函數(shù)圖形

圖 2.5 tanh 函數(shù)圖形數(shù)是一個 zero-centered 型的輸出函數(shù)，但是存在梯度消失和冪運算等多個問數(shù)數(shù)的數(shù)學(xué)表達(dá)式如下：Re lu max(0, x)（數(shù)的數(shù)學(xué)圖形表示如下：

圖 2.5 tanh 函數(shù)圖形h 函數(shù)是一個 zero-centered 型的輸出函數(shù)，但是存在梯度消失和冪運算等多個elu 函數(shù)lu 函數(shù)的數(shù)學(xué)表達(dá)式如下：Re lu max(0, x)lu 函數(shù)的數(shù)學(xué)圖形表示如下：

【參考文獻(xiàn)】：
期刊論文
[1]基于YARN規(guī)范的智能電網(wǎng)大數(shù)據(jù)異常檢測[J]. 陳陽,王勇,孫偉.  信息網(wǎng)絡(luò)安全. 2017(07)
[2]基于K-means聚類的WSN異常數(shù)據(jù)檢測算法[J]. 費歡,李光輝.  計算機工程. 2015(07)



本文編號：3362855