基于时间序列提取和维诺图的电力数据异常检测方法

发布时间：2018-03-12 10:00

  本文选题：时间序列　切入点：维诺图　出处：《电力建设》2017年05期 　论文类型：期刊论文

【摘要】：电力网络中信息系统与物理系统的深度融合,导致现代电力系统易受异常数据的影响。现有的电力数据异常检测方法未能充分挖掘数据特征,存在计算复杂、灵活性差、精度较低等缺点。提出一种基于时间序列提取和维诺图的异常数据检测方法,利用重要点分段的时间序列提取方法,将高维数据进行降维处理,并将其映射到二维平面上,构造维诺图分区,进而检测出异常数据。该方法可降低数据维度和算法复杂度,能根据序列特征灵活设定异常阈值,实现异常数据的准确检测,仿真实验证明所提方法的有效性。
[Abstract]:Because of the deep fusion of information system and physical system in power network, modern power system is vulnerable to the influence of abnormal data. This paper presents a method of anomaly data detection based on time series extraction and Vino map. Using the time series extraction method of important points segmentation, the high-dimensional data is reduced and mapped to two-dimensional plane. The method can reduce the data dimension and algorithm complexity, set the abnormal threshold flexibly according to the sequence characteristics, and realize the accurate detection of abnormal data. The simulation results show that the proposed method is effective.
【作者单位】： 浙江大学电气工程学院;
【基金】：国家高技术研究发展计划项目(2015AA050202) 国家自然科学基金项目(U1509218)~~
【分类号】：TM73;TM76

【相似文献】

相关期刊论文 前10条

1 张兵;陈文林;;发电量与经济增长的相关性研究——基于发电量的时间序列[J];黑龙江对外经贸;2010年12期

2 陈昊;王玉荣;;风电场风速时间序列峰度研究[J];江苏电机工程;2010年02期

3 张家倍;时间序列预报和电量修正法——上海地区日负荷预报数学模型及其计算机模拟预报[J];电机工程学报;1984年02期

4 权先璋,温权,张勇传;混沌预测技术在径流预报中的应用[J];华中理工大学学报;1999年12期

5 石亚欣;;基于时间序列的WD-LS-SVM的风速周期预测模型研究[J];电力科学与工程;2014年02期

6 申永涛;刘宗歧;杨铎;;基于时间序列—状态转移的短期风速预测[J];陕西电力;2013年11期

7 李慧君;杨继明;邓彤天;钟晶亮;;基于小波分析的汽轮机振动预测研究[J];计算机工程与应用;2014年12期

8 王学梅;张波;丘东元;陈良刚;;DC-DC变换器的符号时间序列描述及模块熵分析[J];物理学报;2008年10期

9 陈昊;张建忠;王玉荣;;基于SV模型的风速时间序列峰度分析[J];中国电力;2011年01期

10 李艳晴;成怡;刘新婷;;风速时间序列混合预测方法研究[J];天津工业大学学报;2013年05期

相关会议论文 前3条

1 黄云贵;;基于时间序列的电网固定资产投资规模研究[A];2012年云南电力技术论坛论文集（文摘部分）[C];2012年

2 黄云贵;;基于时间序列的电网固定资产投资规模研究[A];2012年云南电力技术论坛论文集[C];2012年

3 黄学良;黄金花;彭晖;;风速的时间序列预测模型[A];2009年风电场接入电网技术专题研讨会论文集[C];2009年

相关博士学位论文 前1条

1 张浒;时间序列短期预测模型研究与应用[D];华中科技大学;2013年

相关硕士学位论文 前10条

1 周会霞;汽轮发电机组汽流激振故障预警方法研究[D];华北电力大学;2015年

2 王珂;基于时间序列法的不良数据的辨识与修正研究[D];东南大学;2015年

3 霍雨，

本文编号：1601070