面向配电网的大数据分析关键技术研究

发布时间：2021-08-25 21:07

　　配电网中的大数据技术应用包括配电网中的噪声数据识别、配电网规划、负荷预测、故障诊断、智能配电等等,因此有效的将大数据技术运用在配电网运行中,既能满足用户的用电需求又能节约电能。根据电网公司采集的历史数据,本文主要研究配电网环境下的噪声数据识别、用电行为分析以及负荷预测等方面。通过查阅资料可知,单纯运用一项大数据技术很难达到良好的效果,传统的k-means聚类需要事先确定聚类个数,且随机选择初始聚类中心,本文提出了基于相关关系的k-means聚类;在用电行为分析方面,传统的聚类和分类方法在识别窃电用户上效果不佳,很难对用户用电行为做准确的划分,本文提出了基于k-means和DBSCAN的互补分析方法。本文研究的详细内容有以下几点:首先,本文采用基于相关关系的k-means聚类,能有效的将相关性高的数据分到一个聚类簇中,并通过聚类指标验证了提出算法的有效性,将处理后的数据集采用决策树的方法进行第二阶段的噪声数据识别,采用AUC验证了分类的准确率,将识别出的噪声数据剔除之后采用基于距离分布权重的KNN替补方法替换噪声数据。其次,本文采用基于k-means和DBSCAN的互补方法做用电行为分析... 

【文章来源】：南京邮电大学江苏省

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

sigmoid函数图形

图 2.5 tanh 函数图形数是一个 zero-centered 型的输出函数，但是存在梯度消失和幂运算等多个问数数的数学表达式如下：Re lu max(0, x)（数的数学图形表示如下：

图 2.5 tanh 函数图形h 函数是一个 zero-centered 型的输出函数，但是存在梯度消失和幂运算等多个elu 函数lu 函数的数学表达式如下：Re lu max(0, x)lu 函数的数学图形表示如下：

【参考文献】：
期刊论文
[1]基于YARN规范的智能电网大数据异常检测[J]. 陈阳,王勇,孙伟.  信息网络安全. 2017(07)
[2]基于K-means聚类的WSN异常数据检测算法[J]. 费欢,李光辉.  计算机工程. 2015(07)



本文编号：3362855