排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
考虑到大数据用户侧数据可能出现的异常情况,提出了以机器学习为支撑的异常数据诊断分析框架。本文首先基于用户侧数据分类,建立了包含用电特征、情境特征、环境特征和台区特征的数据模型。然后,从单个用户数据异常和台区数据异常角度详细分析用户侧数据异常的原因,据此建立数据异常故障模式和数据异常特征之间的关系以及用户侧异常数据分析框架。针对最为关键的电能数据异常诊断难题,提出负荷回归分析预测、基于神经网络的负荷预测、聚类分析和基于投影方法四种无监督学习在线异常检测方法,并通过算例对比分析了四种方法有效性和准确性。 相似文献
2.
3.
4.
5.
1