隨著智能電網(wǎng)建設(shè)和電力系統(tǒng)信息化的提速,電力企業(yè)積累了體量巨大的數(shù)據(jù),這些數(shù)據(jù)主要來(lái)源于電網(wǎng)的發(fā)、輸、變、配、用電等五大環(huán)節(jié)。對(duì)電力數(shù)據(jù)進(jìn)行分析研究對(duì)我國(guó)電網(wǎng)向數(shù)字化、智能化發(fā)展有著重要的意義。異常數(shù)據(jù)產(chǎn)生的原因主要有屬性值缺失,異常用電行為,電力設(shè)備故障等。如果在對(duì)電力數(shù)據(jù)進(jìn)行分析前不事先處理這些原始的污染數(shù)據(jù),將對(duì)數(shù)據(jù)分析的準(zhǔn)確性有很大的影響。同時(shí),異常數(shù)據(jù)檢測(cè)能夠發(fā)現(xiàn)異常數(shù)據(jù)以及背后隱藏的信息,對(duì)電網(wǎng)的安全運(yùn)行有著重要的參考意義。通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方法對(duì)電力數(shù)據(jù)進(jìn)行異常檢測(cè),能夠?qū)崿F(xiàn)對(duì)電能異常狀態(tài)的監(jiān)測(cè),加快電網(wǎng)排查異�，F(xiàn)象的反應(yīng)速度,提高了電網(wǎng)的穩(wěn)定性,同時(shí)減少運(yùn)行成本,降低電網(wǎng)企業(yè)的經(jīng)濟(jì)損失。電力數(shù)據(jù)異常值檢測(cè)是電力數(shù)據(jù)研究的基礎(chǔ)工作,目前傳統(tǒng)的電力數(shù)據(jù)分析方法已經(jīng)無(wú)法處理如此復(fù)雜且大體量的數(shù)據(jù),尋找一種適用于處理當(dāng)前電力系統(tǒng)數(shù)據(jù)的方法十分必要。文中對(duì)比了K-Means、基于密度的聚類(lèi)和快速密度峰值聚類(lèi)算法的優(yōu)缺點(diǎn),得出快速密度峰值聚類(lèi)算法在處理電力數(shù)據(jù)時(shí)具有明顯優(yōu)勢(shì),故本文選擇快速密度峰值聚類(lèi)算法的對(duì)電力數(shù)據(jù)進(jìn)行研究。在此基礎(chǔ)上提出了一種基于局部異常因子(Local Outli...

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 電力數(shù)據(jù)研究現(xiàn)狀
        1.2.2 異常值檢測(cè)研究現(xiàn)狀
        1.2.3 負(fù)荷曲線聚類(lèi)研究現(xiàn)狀
    1.3 本文的主要內(nèi)容和結(jié)構(gòu)
第2章 相關(guān)技術(shù)準(zhǔn)備
    2.1 數(shù)據(jù)驅(qū)動(dòng)技術(shù)
        2.1.1 數(shù)據(jù)驅(qū)動(dòng)定義
        2.1.2 數(shù)據(jù)驅(qū)動(dòng)的過(guò)程
    2.2 數(shù)據(jù)挖掘任務(wù)
    2.3 數(shù)據(jù)清洗
    2.4 常用降維算法
        2.4.1 常見(jiàn)特征選擇方法
        2.4.2 常見(jiàn)特性提取
    2.5 聚類(lèi)分析算法
        2.5.1 K-Means算法
        2.5.2 DBSCAN算法
        2.5.3 快速密度峰值聚類(lèi)算法
    2.6 本章小結(jié)
第3章 異常數(shù)據(jù)檢測(cè)方法研究
    3.1 異常值檢測(cè)算法
        3.1.1 基于距離的異常值檢測(cè)
        3.1.2 基于密度的異常值檢測(cè)
        3.1.3 基于聚類(lèi)的異常值檢測(cè)
        3.1.4 快速密度峰值聚類(lèi)算法的局限性
    3.2 基于LOF的快速密度峰值異常值檢測(cè)
        3.2.1 算法描述
        3.2.2 異常值判定規(guī)則
    3.3 仿真實(shí)驗(yàn)
        3.3.1 案例一
        3.3.2 案例二
    3.4 小結(jié)
第4章 基于改進(jìn)快速密度峰值算法的電力負(fù)荷數(shù)據(jù)聚類(lèi)
    4.1 主成分分析法降維
    4.2 快速密度峰值聚類(lèi)算法描述
    4.3 改進(jìn)的快速密度峰值聚類(lèi)算法
        4.3.1 算法描述
        4.3.2 仿真實(shí)驗(yàn)
    4.4 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
致謝
附錄A 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄
附錄B 攻讀碩士學(xué)位期間參與的科研項(xiàng)目



本文編號(hào)：3856798