基于LVQ神经网络的电力网络智能风险预警方法

针对现有电力网络风险预警方法在实际应用中,存在无法找出全部异常数据,无法实现对电力网络安全的准确判别问题,引入LVQ神经网络,开展对电力网络智能风险预警方法的设计研究。从多个来源采集电力网络运行数据,并对其处理。利用LVQ神经网络,实现对异常数据的排查和定级。最后,应用全业务合规管理监控,实现对电力网络风险的智能化预警和对预警结果的可视化展现。通过对比实验证明,新的预警方法可以实现对电力网络中异常数据的全部查出,促进电力网络运行安全性提升。     

基于朴素贝叶斯算法的电力数据合规风险智能监督方法

针对现有电力数据合规风险监督方法召回率、查准率较低,误报率较高等问题,研究引入朴素贝叶斯理论,提出并设计了一种电力数据合规风险智能监督方法。首先对电力数据进行采集及预处理,然后针对预处理后的电力数据完成电力数据合规风险特征提取,最后引入朴素贝叶斯算法,构建电力数据合规风险评估模型,实现对电力数据合规风险的智能监督。实验结果表明,应用所提方法后召回率在92%～95%,查准率高于93%,误报率仅为2%,优于对比方法,可对电力数据合规风险进行准确评估,具有较高的应用价值。