基于数据挖掘算法的通信领域故障信号识别性能分析

针对通信领域故障信号识别的技术问题,提出了基于数据挖掘算法的通信故障信号识别方法。通过K-means聚类算法,使得用户从诸如温度、振动、电网故障、负荷、湿度、谐波、磁场、电网纹波等影响通信质量的样本数据中,根据通信类别样本的某些属性或某类特征,确定聚类簇数K,把通信样本类型归为已确定的某一类别中,使得簇内的通信样本数据能够紧密分布在一起,并通过欧几里得距离公式计算出某个类别范围内的数据。通过对数据进行聚类,使用户快速对影响因子进行分析、计算,大大提高了分类效果及稳定性。然后在聚类的数据中,采用BP神经网络模型再次对获取的聚类数据进行训练、计算,能够映射、处理不同聚类类别故障信息数据之间的复杂非线性关系,更加精确、及时处理数据,使用户对评估故障信号的精确度大大提高,减少了计算误差。     

基于数据挖掘技术的时序数据质量维护研究

随着电力系统智能化水平的不断提高,电网中产生的数据体系也越来越庞大,而数据的质量会直接影响电力系统的运行分析和规划决策。文中基于数据挖掘技术提出一种电网时序数据质量维护体系,筛选不合格的数据,并确定数据所存在的问题,为分析出现问题的原因提供便利。对电力数据及传输过程进行了分析,并指出了可能存在的问题。不同地区的数据具有自身不同的特点,为了提高检测速度,基于决策树算法先对历史数据样本进行决策分析。以某地区的数据训练集为例,对该地区电力数据检测流程进行分析,得到适合该区的检测顺序。针对数据合理性难以检测的问题,利用基于聚类的离群检测法筛选出问题数据,并尝试分析问题数据产生原因。通过算例证明了所提时序数据质量维护流程的有效性和可靠性。     

数据挖掘与统计学的关系研究

数据挖掘技术的产生和发展不是为了替代传统的统计分析方法,相反它为统计学的延伸和扩展提供了广阔的舞台。首先主要介绍了统计的一些基本知识和传统的统计分析方法。其次介绍了数据挖掘的基本知识、主要分析方法和数据挖掘较之统计学的优势。数据挖掘和统计学应该相互渗透和补充,协同工作,共同为彼此服务,通过对两者的分析为以后研究数据挖掘提供理论基础。     

基于数据挖掘的电力客户利润贡献度分析

供电企业为提高自身的核心竞争力需进行电力客户利润贡献度分析。把数据挖掘技术运用于客户利润贡献度评价中,通过聚类分析和决策树分析,发现各种价值客户的分类规则,建立一种客户利润贡献度分析方法,实例表明这一方法可进行应用。     

基于数据挖掘算法数据模型实现大数据分析的方法研究

针对大型数据库中的海量数据筛选困难的问题,设计了基于数据挖掘算法模型分析大数据的方法。通过K-means聚类算法,使得用户从不同的样本数据中,根据大数据样本的某些属性或某类特征,在输出的数据中,再采用BP神经网络模型对获取的聚类数据进一步训练、计算,这种方法能够映射、处理不同数据之间聚类种类大数据之间的复杂非线性关系,提高数据处理精度和用户挖掘大数据的能力。试验结果表明,设计的方法能够使用户更加便捷地处理大数据,提高了大数据应用的效率。     

基于多数据源校验的电网EMS数据质量在线监控方法及其实现

为了解决智能电网EMS系统因通信通道或设备误发、丢失以及延迟发送数据等原因而导致的数据通信故障,提出了一种基于多数据源校验的电网EMS数据质量在线监控方法。设计了一体化信息平台,采用通信监听技术,对来自不同数据源的同一个量测值进行比对,发现可能存在的数据质量故障,并对故障点进行诊断。借助一体化信息平台分布式架构特点,避免了传统集中式数据比对导致的效率低的问题。实际部署应用表明,基于分布式架构的多数据源比对平台,为电网EMS系统数据质量控制与快速故障诊断提供了一种自动校验的技术手段和方法,也为生产调度人员提供了一款功能强大的平台化分析诊断工具。     

基于数据挖掘的电动汽车用户细分及价值评价方法

用户细分可以掌握不同电动汽车用户充电行为的特征及其之间的差异性,对充电服务运营企业具有重要意义。基于运营管理系统迅速积累的大量充电服务数据,对全量数据进行探索性分析,筛选出细分模型关键变量,给出了基于数据挖掘技术和K均值(K_MEANS)聚类算法的电动汽车用户细分方法,提出了电动汽车用户价值评价方法。针对北京地区电动汽车用户开展分析并得到用户行为特征及价值评价结果。相关结论可为运维管理机制优化和精准营销策略制定提供数据支撑。     

数据仓库技术在天津电力客户服务领域的应用

描述了天律市电力公司电力客户服务分析决策支持系统建设所采用的技术和方案。该系统主要通过对积累在电力客户服务系统中的数据进行捕取,转换和装载．将其导入到数据仓库中,并通过多种灵活,方便的形式将分析结果展现出来。     

基于关联规则数据挖掘技术的电网故障诊断

在实际的电网故障诊断中,面临如何从海量数据找到真正对于诊断结果有帮助的关键数据以及当故障信息存在不完整或不确定性,甚至关键信息丢失时,会导致故障诊断难以得出正确结论的问题。针对此问题,将关联规则数据挖掘DLG(Direct Large temsests Generation）算法引入到电网故障诊断中。首先以保护、断路器作为条件属性,故障区域作为决策属性,考察各种故障情况并建立原始决策表,然后利用关联规则挖掘进行属性约简,通过修改阈值进行交互式挖掘,直接提取最佳属性约简组合,然后利用最佳属性约简组合形成的约简决策表和关联规则交互式挖掘,针对各种情况的故障信息进行诊断推理。运用C编写了基于该方法的故障诊断软件, 采用四母线配电网系统作为仿真对象,算例结果表明该算法在一定电网规模和保护动作信息不完备的情况下,故障诊断正确性高、容错性好,实用性强。     

面向袋式除尘器的大数据挖掘XGBoost优化算法研究

袋式除尘器在产品生命周期不同阶段,包括设计、仿真、制造、测试实验以及运维等阶段都会产生大量数据,挖掘产品大数据与其运行特性之间复杂、非线性、耦合的内在关联,为解决袋式除尘器行业设计创新、运维优化等关键共性技术提供新思路。针对袋式除尘器大数据特点,提出了一种用于袋式除尘器滤袋破损在线监测的大数据挖掘XGBoost模型,研究了基于蚁群算法的XGBoost模型参数优化方法。研究结果表明,与随机森林、BP网络挖掘模型相比,XGBoost优化模型方法准确度高,识别速度快,可解释性强。     

基于数据挖掘的楼宇电力能耗分析模型研究*

电力能耗分析对于建筑楼宇制定有效节能方案具有重要指导意义。提出一种基于K-均值聚类和FP-Growth关联规则的楼宇电力能耗分析模型,对商业楼宇总能耗、分项计量数据、气象温度等数据进行数据挖掘,得到具有一定启发性的强关联规则,为进一步完善楼宇设备的优化运行策略提供理论支撑。将所提方法应用于上海某栋建筑楼宇的能耗分析中,验证了所提方法的有效性和实用性。     

基于FP-network关联规则挖掘算法的配电网薄弱点分析研究

针对配电网运行时经常发生故障的情况,如何快速高效地寻找出配电网中的薄弱点成为了当下配电网安全运行的一大难题.文中采用频繁模式网络(FP-network)模型,建立事务-项目的关联矩阵,并且将所需要进行关联规则挖掘的数据储存在关联矩阵中,从而进行关联规则的数据挖掘.通过算例分析证实了FP-network关联规则挖掘算法可...     

基于实测数据的电动汽车充电站电能质量分析方法

电能质量检测分析是研究电动汽车与电网互动的前提和基础.而现有工作大都没有采用真实的数据进行充电站电能质量评估研究,已有的实测数据研究中时间分析尺度多为分钟级,且缺乏对不同类型充电站进行差异特性对比分析.为此提出一种基于实测数据的电动汽车充电站电能质量分析方法.首先通过充电平台数据可视化,提取综合充电站和公交充电站的实际...     

基于数据挖掘的楼宇短期负荷预测方法研究

楼宇短期负荷预测是楼宇能效管理系统中对用能子系统进行评估诊断、优化控制以及调度规划的重要基础。针对智能楼宇参与需求响应所需高精度、实时负荷信息的要求,提出一种基于数据挖掘支持向量机的楼宇短期负荷预测方法。选择与待预测时点相似相近的样本数据集,采用K-means算法对样本数据集中的温度、湿度、气压等气象数据进行聚类,根据聚类结果提取训练样本,最后采用支持向量机(SVM)算法建立负荷预测模型。实际应用结果表明,该方法预测结果平均相对误差为1.34%,相对误差在1%以内的概率达到67.5%,优于现有的时间序列法、同结构SVM法、不考虑气象因素的DMSVM法等方法。     

An enhanced cascading failure model integrating data mining technique

An enhanced cascading failure model integrating data mining technique is proposed in this paper. In order to better simulate the process of cascading failure propagation and further analyze the relationship between failure chains, in view of a basic framework of cascading failure described in this paper, some significant improvements in emerging prevention and control measures, the subsequent failure search strategy as well as the statistical analysis for the failure chains are made elaborately. Especially, a sequential pattern mining model is employed to find out the association pertinent to the obtained failure chains. In addition, a cluster analysis model is applied to evaluate the relationship between the intermediate data and the consequence of obtained failure chain, which can provide the prediction in potential propagation path of cascading failure to reduce the risk of catastrophic events. Finally, the case studies are conducted on the IEEE 10-machine-39-bus test system as benchmark to demonstrate the validity and effectiveness of the proposed enhanced cascading failure model. Some preliminary concluding remarks and comments are drawn.     

一种基于时间序列数据挖掘的用户负荷曲线分析方法

针对目前用户负荷曲线分析方法研究中传统方法在单一用户典型负荷曲线提取以及负荷曲线特征提取的不足,提出了一种基于时间序列数据挖掘的用户负荷曲线分析方法.该方法首先基于分段聚合近似方法对单一用户的负荷曲线降维,并基于符号聚合近似方法对该用户一段时期内的负荷曲线重表达,用符号化序列表示该用户的负荷曲线,提取该用户的典型负荷曲...     

基于大数据分析的异常检测技术应用于石油催化

石油化工领域生产装置异常检测与诊断依赖机理模型和人工经验,存在主观性强、与实际参数不匹配等缺陷.在实践和总结现行石油化工生产装置异常检测与诊断技术的基础上,结合目前主流的大数据分析技术,对生产装置上获得的温度、流量、压力等数据进行实时分析,寻找大数据后面隐藏的规律,让大数据发声,及时预警和处理故障,并做出更明智的决策,减小损失.通过对某催化装置主分馏塔的塔顶温度变化幅度预警测试,比人工提前6 min发现故障,将事故消除在萌芽状态.该技术具有工程实用价值,值得在工业控制现场进行实践和推广.     

电容层析成像系统三维数据场可视化研究

以油水两相流系统为研究对象，在电容层析成像系统获得的两相流截面相分布数据基础上，对三维数据场可视化最常用的Marching Cubes算法加以改进，将两相流系统的流动、变化过程以可视化形式显示出来，为流动测量、控制提供可视化信息，使工业现场的“黑箱”系统变成透明系统。经仿真实验，可视化效果能形象反映油水两相流系统内部动态变化情况。     

居民用户用电数据质量管控技术研究

为了满足低压用户对电能质量的要求,电网企业必须对采集的相关电能数据分析诊断并据此做出决策。鉴于数据质量管控技术在低压用户治理中的重大作用,首先提出了一套针对于电网企业的数据质量管控流程,采用多种校验方法来保证数据的合理性,其中校验方法包括正确性校验、唯一性校验、完整性校验和准确性校验。为了保证数据分析结果无误,对问题数据加以修正。最后,通过算例仿真验证了数据质量管控技术的应用效果。     

A data mining method for short‐term load forecasting in power systems

This paper proposes a method for daily maximum load forecasting in power systems. It is based on the integration of the regression tree and the artificial neural network. In this paper, the regression tree is used to extract knowledge or rules as a data‐mining method. That is useful for the information processing of the complicated data. As a result, the proposed method has an advantage in clarifying the cause and effect of dynamic load behavior in load forecasting. However, the regression tree does not necessarily yield good prediction results in spite of good classification. Therefore, this paper proposes a method for combining the classification results of the regression tree with the multilayer perceptron of a universal nonlinear approximator. The effectiveness of the proposed method is demonstrated in real data. © 2002 Scripta Technica, Electr Eng Jpn, 139(2): 12–22, 2002; DOI 10.1002/eej.1150