基于滑动窗口的一类非负可变权组合预测方法

针对基于结果的组合预测赋权问题,通过引入预测残差数据的变异系数和滑动窗口模型,给出一类基于滑动窗口和改进变异系数的组合预测时变权重确定方法.将传统基于预测数据层面的变异系数转移到预测残差数据层面,能有效消除传统变异系数由于数据数量级引起的数据变异程度被弱化的情况.结合滑动窗口模型,对已有的赋权方法和提出的基于改进变异系数的赋权方法进行调整,实现非时变权重向时变权重的过渡.实例分析表明,改进变异系数的有效性以及滑动窗口技术的引入能够有效提高组合预测精度.     

基于聚类的电网暂态稳定裕度估算方法

本文融合了传统的因果分析方法和数据核心思维方法,提出一种基于因果分析结果构建样本库,基于聚类进行稳定裕度快速估算的方法.首先从海量的历史量化分析或模拟仿真计算结果中,按故障提取暂态稳定模式,将所有故障的稳定模式取并集作为关键特征量.其次对各故障按特征量进行方式聚类,生成电网安全运行知识库.最后基于知识库对当前方式下多重故障进行自动匹配和稳定裕度快速估算.该方法提升分析计算的速度,为电网安全稳定快速决策提供依据,为电力系统暂态稳定分析评估提供了新思路.     

基于灰色模型的电网技改规划可行性自动化分析系统

传统的电网技改规划系统存在电网设备陈旧、线路损坏等问题,电网系统的可靠性低,为此,设计基于灰色模型的电网技改规划可行性自动化分析系统.将灰色模型作为基本模型,结合余弦距离的思想,对电网运行过程中的数据进行预测.根据数据预测结果,对系统的运行效益和运行风险进行分析;通过电网运行效益分析结果、运行风险分析结果以及数据预测结果,组建基于灰色模型的电网技改规划可行性自动化分析系统,实现对整个电网系统运行方式的控制,使其能够安全、稳定的环境下运行.仿真实验结果表明,所设计系统能够快速、准确实现电网技改规划可行性自动化分析.     

可变滑动窗口在数据流频繁模式挖掘上的应用

为了更好的挖掘数据流,对传统的滑动窗口机制进行改进,提出一种大小可变的滑动窗口机制的数据流频繁集挖掘算法DS-stream算法.该算法能够根据数据流的数据分布变化自适应调整窗口大小,节省了没必要的空间与时间消耗.算法采用一种分区窗口机制,结合基本窗口和时间窗口,同时考虑数据流的海量特性和时变特性,利用前缀树的概要数据结...     

基于伪事件的RFID数据清洗方法

传统的基于事件驱动的滑动窗口清洗方法只能处理理想的匀速RFID数据流,然而在实际应用中处理非匀速数据流时却会产生较大的输出延迟.为了解决滑动窗口清洗方法的输出延迟和海量中间数据,提出了一种基于伪事件的数据清洗方法PSCleaning.该方法通过在滑动窗口中增加伪事件处理机制,有效地减小了数据的输出延迟;通过对错读和重复读进行的一次性处理,明显缩减了数据量,提高了数据清洗的效率.     

电网遥信大数据智能分析辅助决策系统建设研究

电力调度控制中心为适应电网规模不断扩大、结构日趋复杂化而带来的海量设备监控信息,充分发挥现代化技术手段应用的先进作用,提高调控运行人员对电网驾驭能力以及对电网异常、事故信息处置效率,降低人员劳动强度,开展了电网遥信大数据智能分析辅助决策系统建设研究。本研究基于实际电网模型和实时数据,从电网海量信息中梳理、智能分析,提供结论性结果,智能替代人工,而且以电网实时信息为输入,以设备基础信息为辅助,横向对比,纵向分析,提供科学的辅助决策,全程信息深加工,独立设置,只提取系统信息,而不改变系统数据。建成一个具有简、全、独立安全三个主要特点的系统,有效提高电网设备异常事故处置效率、降低安全生产隐患,保证电网安全稳定运行。     

一种滑动窗口检验的稳态检测方法

引入基于集合经验模态分解与能量结合的去噪算法,并利用滑动窗口检验实现对历史过程数据的稳态检测,通过标准差递推方法提高了计算效率;借鉴机器学习中数据标记思想,滑动窗口参数通过对少量"标签"数据辨识确定.以某电站1000MW机组的总风量数据为实验对象进行稳态检测实验.实验结果表明,基于集合经验模态分解与能量结合的去噪算法具有很好的去噪效果,基于该方法与滑动窗口检验结合的稳态检测方法具有检测灵敏度高且检测速度快的特点,适用于对海量电站历史数据进行稳态数据筛选.     

一种时间序列鉴别性特征字典构建算法

时间序列数据广泛产生于科技和经济的多个领域.基于符号傅里叶近似（symbolic Fourier approximation）和滑动窗口的定长单词抽取算法是目前时间序列特征字典构建过程中最有效的特征生成算法之一,但是该算法在特征生成过程中不能根据不同滑动窗口长度动态地选择保留的最优傅里叶值的个数,而且特征字典构建过程中缺少从生成的海量特征中对鉴别性特征进行有效选择的算法.为此,提出一种鉴别性特征字典构建算法.首先,提出一种针对不同长度滑动窗口学习最优单词长度的基于Fourier近似的可变长度单词抽取方法;其次,构建了一种新的特征鉴别性评价指标,并依据其动态阈值对生成的特征进行选择.实验结果表明,基于构建的特征字典的逻辑回归模型不仅分类精度高,而且可以有效发现预测过程中的鉴别性特征.     

基于机器学习的电网关键断面安全运行自动控制系统设计

输电断面稳定超限问题日益突出,为此提出基于机器学习的电网关键断面安全运行自动控制系统.根据极限学习机理论使预测误差最小化,引入核函数获得关键断面精度.设计符合电网在线运行要求的电网关键断面安全运行自动控制网络框架,采用潮流法对断面输电极限功率实施运算,依据调度策略确定控制支路并实施约束,保证系统运行的安全性.控制电网负...     

一种基于变尺度滑动窗口的数据流频繁集挖掘算法

基干传统滑动窗口机制的数据流频繁集挖掘算法较多地考虑快速且精确的效果,而较少考虑数据流的时变特性,对传统的滑动窗口机制进行改进.同时考虑数据流的海量特性和时变特性,提出一种基于变尺度滑动窗口机制的数据流频繁集挖掘算法V-Stream.该算法采用事务链表组的概要数据结构.能够根据数据流的数据分布变化自适应调整窗口大小.Eclipse上的仿真实验结果表明,V-Stream相比Manku算法提高了挖掘数据流频繁集的时间与空间效率.     

大数据挖掘助力全面提升电网监控水平

SCADA系统是支撑电网调度运行的基础,监控人员主要通过此系统获取电网运行状态的一系列海量信息。随着电网规模的不断增大,监控信息海量增长。电网监控工作缺乏有效分析手段,监控人员压力大、疲于应付,不利于事故和异常信号的处理。本文采用大数据分析工具,利用SCADA系统现有的海量电网运行信息,深入探究了主变油温和负载率的关系,给出主变油温和负载率之间的变化函数,并得到重过载边界主变油温阈值;构建10kV配电线路负荷快变预警模型,结合10kV线路的15分钟负荷数据变化特点,快速判断配网线路运行状态,及时给出预警;融合外部天气等数据,建立主变重过载趋势预警模型,为电网运行潜在风险的分析识别及指导电网的科学规划建设奠定了坚实的基础。     

基于Storm的电网时间序列数据实时预测框架

对电网运行产生的时间序列数据展开实时预测研究,提出基于Storm平台和ARIMA模型的预测框架。分析不同类型电网时序数据的特点,预设拟合模型以降低模型构建的盲目性,缩短预测时间,同时设计基于HBase的新型时序数据存储模式加快数据检索速度。通过对海量的时序数据源进行并发预测,比较不同数据样本对预测值的影响并实时分析预测误差。经实例从预测精度、运算速度、占用资源3个角度验证了该框架的有效性与实用性。     

一种海量实时序列数据指数平滑预测分割算法*

时间序列分割是时间序列挖掘的重要任务之一。实时数据快速变化,数据量巨大,所以如何对实时数据进行快速而准确的分割很具有挑战性。本文提出基于指数平滑预测的滑动时间窗分割算法可以快速有效的分割在线实时数据,该算法基于滑动窗口和平滑指数算法,分析实时数据的统计特性,推导出序列的预测误差和压缩率之间的关系,通过序列预测的误差来判断分割点。加入校验环节提高算法的健壮性。通过本课题所使用的数据集以及公共数据集验证算法结果说明,该算法能够有效地在线检测出实时数据的分割点,并且时间复杂度较低。     

面向海量数据流的基于密度的簇结构挖掘算法

提出一种基于密度的簇结构挖掘算法(mining density-based clustering structure over data streams,简称MCluStream),以解决数据流密度聚类中输入参数选择困难和重叠簇识别等问题.首先,设计了一种树拓扑CR-Tree索引结构,将直接核心可达的一对数据点映射成树结构中的父子关系,蕴含了数据点依赖关系的CR-Tree涵盖了一系列subEps参数下的基于密度的簇结构;其次,MCluStream算法采用滑动窗口的方式更新CR-Tree,在线维护当前窗口上的簇结构,实现了对海量数据流的快速演化聚类分析;再次,设计了一种快速从CR-Tree提取簇结构的方法,根据可视化的簇结构,选择合理的聚类结果;最后,在真实和合成海量数据上的实验验证了MCluStream算法具有有效的挖掘效果、较高的聚类效率和较小的空间开销.MCluStream可适用于海量数据流应用中自适应的密度聚类演化 分析.     

基于动态特征提取和神经网络的数据流分类研究

为提高数据流分类的精确性和适应性,提出了一种新的数据流分类方法。该方法基于总体最小二乘法对数据流进行分段拟合,并将传统曲线分析算法——滑动窗口(SW)和在线数据分割(OSD)进行结合、改进,以可变滑动窗口算法实现对数据流的合理分割,提高趋势分析精度。在此基础上,对数据流进行动态特征提取和判断,并以神经网络对数据流特征进行模式识别,精确分类,进而对监控对象提供早期预警、状态评估和决策支持。实验结果表明,该方法能对数据流进行有效的动态特征描述,分类效果明显。     

大数据时代网络安全及预测技术研究

大数据时代信息技术的快速发展,依托于各类硬件防护设备的网络体系架构的异构数据量每天以指数级的量级递增,基于传统的网络安全防护技术无法有效的适用于具有海量数据的特征网络安全和分析预测等工作,因此海量数据的保存、使用、以及分析等信息挖掘和数据分析预测逐步成为社会各界重视和当前的研究趋势。本文以海量的异构数据为研究对象,识别网络安全大数据的典型特征,结合情报预测的主要方法,创新性的提出了大数据特征下的网络安全预测分析技术,提高网络安全风险识别和预测、俞静能力,有效的改善网络防护效果。     

地磁导航基于方向可变滑动窗口快速匹配方法

地磁匹配制导系统在对初始点进行重新搜索时,现有方法采用的匹配搜索算法需要使用具有大量浮点运算的误差函数,降低了匹配效率。为解决上述问题,提出一种利用地磁形状特征和方向可变滑动窗口技术的快速搜索方法,采用0、1作为形状特征描述地磁数据,用Hamming距离作为误差函数,利用载体的航向信息动态建立搜索窗口,可有效减少窗口内相似性比较的次数。仿真结果表明,上述方法在不降低匹配精度的前提下,可有效提高地磁匹配初始点的搜索效率。     

输电线路智能融冰辅助决策关键技术研究与实现

冰雪天气是对电力系统稳定运行影响最大的自然灾害之一,会造成输电线路覆冰,危害电网安全运行。本文围绕线路融冰方案编制的流程展开,针对流程中的重点和难点步骤,研究辅助决策的智能技术,以提高电网调控中心融冰方案编制质量和实效性。具体内容如下：针对实际电网运行数据和覆冰数据进行预处理,实现了多源数据融合,基于深度优先算法进行可停电融冰线路分析;采用加权均值综合评判的方法,基于多指标对融冰线路进行优先级排序和组合;基于直流潮流支路开断分布因子的评估方法,对融冰方案进行快速校核;基于多机多任务并行处理技术,对融冰方案进行详细校核,以此来提高输电线路融冰方案安排效率,保证电网在冰雪天气的安全稳定运行。     

基于大数据的电网规划精益分析平台研究与应用

随着新能源的大量接入和用户的广泛参与,电网企业的数据呈指数级增长,电网规划部门迫切需要运用大数据的分析手段提高规划决策的精准性。本文以地市供电公司的实体业务为切入点,基于地理位置信息,在数据融合贯通的基础上,运用数据可视化技术多维度动态展示地区电网负荷分布和电网供给能力,辅助规划人员快速发现负荷分布规律和电网薄弱点。运用大数据分析挖掘方法构建基于负荷特性分析的负荷预测模型,支撑电网项目和运行方式安排。打破电网负载问题的单一评价方法,建立可度量的电网综合评价体系及模型,为电网项目统筹提供量化依据。基于大数据的电网规划精益分析平台通过电网负荷可视化展示,有效提升了电网诊断分析效率,运用大数据分析方法提高了地区最大负荷的预测精度,实现了电网问题的数字化评估,提高了电网规划投资决策的精准性。     

电网运行状态可视化综述

电网运行状态包括电网在发电、输电、配电、用电这一完整过程中各个阶段的状态.面向电网运行状态分析的可视化方法,通过将专家经验融入数据分析过程,能有效地解决传统自动化方法的弊端,已被广泛应用于电网运行状态分析.文中介绍了电网数据可视化常用的3类数据,即图数据、时空图数据和多维数据,以及这些数据面向的4种可视化任务,即检测与辨认、相关性分析、态势感知预测.文中从数据和任务2个角度,回顾、总结了已有的可视化方法在解决电网实际应用问题中所起的作用,并分析了节点链接图、平行坐标图等多种可视化方法在不同电网运行状态分析任务中的利弊.研究分析表明,电网运行状态可视化仍面临着难以处理海量数据、实时流数据,并且缺乏完整、全面分析工具等诸多问题.