期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于k-medoids聚类算法的低压台区线损异常识别方法
被引量：
8
1
作者
薛明志
陈商玥
高强
《天津理工大学学报》
2021年第1期26-31,共6页
针对低压台区线损异常情况的判断问题,以电力公司用电信息采集系统采集的日线损率数据为基础,提出了一种基于k-medoids聚类算法的低压台区线损异常识别方法,并以某地区819个台区为例进行算法可靠性的验证.首先应用局部异常因子LOF算法...
针对低压台区线损异常情况的判断问题,以电力公司用电信息采集系统采集的日线损率数据为基础,提出了一种基于k-medoids聚类算法的低压台区线损异常识别方法,并以某地区819个台区为例进行算法可靠性的验证.首先应用局部异常因子LOF算法对低压台区异常日线损率数据进行判断、筛选和剔除;其次应用k-medoids聚类算法对日线损率数据进行聚类分析,得到低压台区日线损率数据的聚类中心点和欧氏距离,从而实现低压台区线损异常情况的判断;最后通过819个低压台区的实际数据验证算法的合理性.结果表明,算法能够对低压台区线损的异常情况做出准确的判断.
展开更多
关键词
低压台区
k-medoids聚类
算法
局部
异常
因子
lof
算法
日线损率
聚类中心点
欧氏距离
下载PDF
职称材料
基于数据分析方法的动力电池系统滥用故障诊断
被引量：
6
2
作者
柏云耀
邹时波
李顶根
《新能源进展》
2020年第1期1-5,共5页
为了提高对于电池滥用故障的检测能力和诊断效率,针对电动汽车动力电池系统以电压、电流和电功率作为主要控制参数的特点,提出了一种基于数据分析方法的动力电池系统滥用故障检测方法。该方法采用局部异常因子(LOF)算法和感知器网络,研...
为了提高对于电池滥用故障的检测能力和诊断效率,针对电动汽车动力电池系统以电压、电流和电功率作为主要控制参数的特点,提出了一种基于数据分析方法的动力电池系统滥用故障检测方法。该方法采用局部异常因子(LOF)算法和感知器网络,研究由于电池滥用对电压、电流等数据的一致性和离散分布的影响。结果表明,由于故障造成的异常数据点,其LOF值远大于正常数据,在感知器分类结果中通常输出为"0"。利用LOF算法可以有效找出数据集中的异常数据点,利用LOF算法处理后的数据对感知器进行训练,可以对数据集进行快速分类,进而判断电池是否发生了滥用故障。该方法可为动力电池系统故障检测提供参考。
展开更多
关键词
电动汽车
动力电池
滥用故障
局部
异常
因子
(
lof
)
算法
感知器网络
下载PDF
职称材料
题名
基于k-medoids聚类算法的低压台区线损异常识别方法
被引量：
8
1
作者
薛明志
陈商玥
高强
机构
天津理工大学电气电子工程学院
出处
《天津理工大学学报》
2021年第1期26-31,共6页
文摘
针对低压台区线损异常情况的判断问题,以电力公司用电信息采集系统采集的日线损率数据为基础,提出了一种基于k-medoids聚类算法的低压台区线损异常识别方法,并以某地区819个台区为例进行算法可靠性的验证.首先应用局部异常因子LOF算法对低压台区异常日线损率数据进行判断、筛选和剔除;其次应用k-medoids聚类算法对日线损率数据进行聚类分析,得到低压台区日线损率数据的聚类中心点和欧氏距离,从而实现低压台区线损异常情况的判断;最后通过819个低压台区的实际数据验证算法的合理性.结果表明,算法能够对低压台区线损的异常情况做出准确的判断.
关键词
低压台区
k-medoids聚类
算法
局部
异常
因子
lof
算法
日线损率
聚类中心点
欧氏距离
Keywords
low-pressure station area
k-medoids clustering algorithm
local anomaly factor
lof
algorithm
daily line loss rate
cluster center point
Euclidean distance
分类号
TM731 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于数据分析方法的动力电池系统滥用故障诊断
被引量：
6
2
作者
柏云耀
邹时波
李顶根
机构
华中科技大学能源与动力工程学院
出处
《新能源进展》
2020年第1期1-5,共5页
基金
国家重点研发计划项目(2018YFB0104100)
文摘
为了提高对于电池滥用故障的检测能力和诊断效率,针对电动汽车动力电池系统以电压、电流和电功率作为主要控制参数的特点,提出了一种基于数据分析方法的动力电池系统滥用故障检测方法。该方法采用局部异常因子(LOF)算法和感知器网络,研究由于电池滥用对电压、电流等数据的一致性和离散分布的影响。结果表明,由于故障造成的异常数据点,其LOF值远大于正常数据,在感知器分类结果中通常输出为"0"。利用LOF算法可以有效找出数据集中的异常数据点,利用LOF算法处理后的数据对感知器进行训练,可以对数据集进行快速分类,进而判断电池是否发生了滥用故障。该方法可为动力电池系统故障检测提供参考。
关键词
电动汽车
动力电池
滥用故障
局部
异常
因子
(
lof
)
算法
感知器网络
Keywords
electric vehicle
power battery
abuse fault
local anomaly factor(
lof
) algorithm
perceptron network
分类号
TK91 [动力工程及工程热物理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于k-medoids聚类算法的低压台区线损异常识别方法
薛明志
陈商玥
高强
《天津理工大学学报》
2021
8
下载PDF
职称材料
2
基于数据分析方法的动力电池系统滥用故障诊断
柏云耀
邹时波
李顶根
《新能源进展》
2020
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
