基于数据挖掘的实时电力远动传输异常检测

发布时间：2017-04-21 14:10

  本文关键词：基于数据挖掘的实时电力远动传输异常检测，，由笔耕文化传播整理发布。

【摘要】：电力远动传输异常检测为电网稳定运行提供有力的支持和保障,可以减少甚至避免电网异常所造成的损失。如何从大量电力远动传输数据中提取有用信息,实现快速实时准确的异常检测分析,是电力远动传输异常检测的主要挑战。本文主要围绕基于数据挖掘的实时电力远动传输异常检测方法展开系统研究,为异常检测系统实现提供可行思路。本文首先介绍基于数据挖掘的实时电力远动传输异常检测的研究目的和意义。同时,从异常检测和数据挖掘两个角度对国内外的研究现状进行总结介绍。针对电力远动传输系统的特点,对电力远动传输系统通信数据进行数据预处理。同时,利用小波变换对通信流量信号进行频域分析,建立基于IF-THEN规则的专家系统,对通信信号进行初步异常检测;另外,将通信信号小波变换的统计分析数据加入对应厂站的特征属性集,进行特征子集选择,得到最优特征子集。然后,提出基于马氏距离的双层聚类算法(MClu Stream算法)和基于网格密度的双层聚类算法(DBClu Stream算法)对远动传输数据进行算法分析。MClu Stream算法主要对K-means聚类算法和CURE聚类算法进行改进融合,并加入马氏距离进行相似度计算,提高算法对非球面分布数据的分析能力。DBClu Stream算法则引入密度网格方法对K-means算法进行改进,提高在线分析阶段的稳定性;离线部分,采用DENCLUE改进密度聚类算法实现对任意形状分布数据的分析。最后,分别对提出算法进行仿真分析,验证算法的有效性和稳定性。在得到小波变换分析和双层聚类分析的结果后,本文利用改进贝叶斯算法对分析结果进行综合判断,最大限度地提高系统准确性,并且通过实际电力远动传输数据仿真对改进贝叶斯算法的有效性进行验证。同时,利用实时计算框架Storm实现基于贝叶斯算法的实时电力远动传输异常检测系统,并通过分布式计算框架Hadoop对系统中部分计算进行优化,提高系统并发率,降低计算时延。
【关键词】：电力远动 异常检测 小波变换 聚类算法 实时分布式计算
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP311.13;TM732
【目录】：

• 摘要3-5
• ABSTRACT5-10
• 第一章 绪论10-18
• 1.1 研究背景和意义10-11
• 1.2 国内外研究现状11-16
• 1.2.1 异常检测研究现状11-12
• 1.2.2 知识发现12-13
• 1.2.3 数据挖掘算法13-16
• 1.3 课题研究内容与论文构成16-18
• 第二章 数据预处理及小波变换分析18-35
• 2.1 引言18
• 2.2 电力远动传输系统18-19
• 2.3 数据预处理19-22
• 2.4 小波变换22-24
• 2.5 经典小波变换算法24-27
• 2.6 小波变换在异常检测的应用27-34
• 2.7 本章小结34-35
• 第三章 基于聚类算法的电力远动传输异常检测35-55
• 3.1 引言35
• 3.2 聚类算法种类和原理35-38
• 3.3 基于马氏距离的双层聚类算法MClu Stream38-45
• 3.3.1 算法原理38-39
• 3.3.2 在线部分：K-means改进聚类算法39
• 3.3.3 离线部分：基于马氏距离的CURE改进聚类算法39-41
• 3.3.4 仿真分析41-45
• 3.4 基于网格密度的双层聚类算法DBClustream45-54
• 3.4.1 算法原理45-47
• 3.4.2 在线部分：基于网格密度的K-means改进聚类算法47-49
• 3.4.3 离线部分：DENCLUE改进聚类算法49-51
• 3.4.4 仿真分析51-54
• 3.5 本章小结54-55
• 第四章 基于改进贝叶斯算法的实时异常检测系统55-69
• 4.1 引言55
• 4.2 基于改进贝叶斯算法的电力远动传输异常检测55-60
• 4.3 基于实时计算框架Storm的实时异常检测系统60-64
• 4.4 基于Hadoop的实时异常检测系统优化64-68
• 4.5 本章小结68-69
• 第五章 总结与展望69-71
• 5.1 全文的研究内容69-70
• 5.2 未来工作展望70-71
• 附录71-75
• 附录一：基于Storm的实时异常检测系统拓扑结构及节点代码71-73
• 附录二：基于Hadoop的优化系统计算代码73-75
• 参考文献75-80
• 致谢80-81
• 攻读硕士学位期间已发表或录用的论文81-83

【参考文献】

中国期刊全文数据库 前10条

1 吴明晖;张红喜;金苍宏;蔡文明;;一种基于边缘度密度距的聚类算法[J];计算机科学;2014年08期

2 张昭;张润莲;蒋晓鸽;曾兵;;基于特征选择和支持向量机的异常检测方法[J];计算机工程与设计;2013年09期

3 石崇林;淦文燕;吴琳;张茂军;唐宇波;;计算机兵棋作战实体轨迹聚类算法[J];软件学报;2013年03期

4 李双庆;慕升弟;;一种改进的DBSCAN算法及其应用[J];计算机工程与应用;2014年08期

5 郭磊;王亚弟;陈庶樵;朱珂;韩继红;;一种基于信息度量的流特征遴选算法[J];计算机工程;2012年16期

6 李强;徐捷;;贝叶斯网在数据挖掘中的应用[J];中国科技信息;2012年13期

7 崔贯勋;李梁;王柯柯;倪伟;苟光磊;;基于改进Apriori算法的入侵检测系统研究[J];计算机工程与科学;2011年04期

8 梁运华;曾海燕;黄亦军;;IEC60870-5-104规约远动信息丢失异常分析及对策[J];湖南电力;2011年01期

9 蔡妮明;王翰虎;陈梅;;一种基于滑动窗口的流数据聚类算法[J];计算机技术与发展;2011年01期

10 夏宁霞;苏一丹;覃希;;一种高效的K-medoids聚类算法[J];计算机应用研究;2010年12期

  本文关键词：基于数据挖掘的实时电力远动传输异常检测，由笔耕文化传播整理发布。

本文编号：320501