發(fā)布時(shí)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(shí)別、配電網(wǎng)規(guī)劃、負(fù)荷預(yù)測(cè)、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(yùn)用在配電網(wǎng)運(yùn)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(shí)別、用電行為分析以及負(fù)荷預(yù)測(cè)等方面。通過查閱資料可知,單純運(yùn)用一項(xiàng)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(gè)數(shù),且隨機(jī)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(shí)別竊電用戶上效果不佳,很難對(duì)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(bǔ)分析方法。本文研究的詳細(xì)內(nèi)容有以下幾點(diǎn):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(gè)聚類簇中,并通過聚類指標(biāo)驗(yàn)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(shí)別,采用AUC驗(yàn)證了分類的準(zhǔn)確率,將識(shí)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(bǔ)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(bǔ)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(jí)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(gè) zero-centered 型的輸出函數(shù)，但是存在梯度消失和冪運(yùn)算等多個(gè)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(gè) zero-centered 型的輸出函數(shù)，但是存在梯度消失和冪運(yùn)算等多個(gè)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(cè)[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(cè)算法[J]. 費(fèi)歡,李光輝.  計(jì)算機(jī)工程. 2015(07)



本文編號(hào)：3362855