基于爬山—蚁群—FCM模糊聚类的不良负荷数据辨识 被引量：4

1

作者 甘迪 金岩磊 +1 位作者 葛立青 郭鑫溢 《电力大数据》 2022年第1期1-8,共8页

针对电力负荷数据存在不良数据的问题,本文提出一种基于爬山-蚁群-FCM模糊聚类算法的不良负荷数据辨识及修正方法,将启发式算法与元启发式算法结合,克服搜索算法容易陷入局部最优的缺陷。以爬山算法为蚁群算法提供初始解,由蚁群算法为FC... 针对电力负荷数据存在不良数据的问题,本文提出一种基于爬山-蚁群-FCM模糊聚类算法的不良负荷数据辨识及修正方法,将启发式算法与元启发式算法结合,克服搜索算法容易陷入局部最优的缺陷。以爬山算法为蚁群算法提供初始解,由蚁群算法为FCM模糊聚类算法提供聚类数目和聚类中心,克服传统聚类算法选取聚类数据和聚类中心的偶然性。根据FCM模糊聚类结果计算特征曲线和可行域上下限,辨识不良负荷数据,并对不良负荷数据采用插值法进行数据修正。算例结果表明,本文方法可以有效实现不良负荷数据辨识功能,在模型的准确性上相比单一搜索算法更优,具有较高的准确性和鲁棒性,有助于提升电网数据质量,为负荷数据辨识乃至其他电力数据辨识等领域提供了一种研究思路。 展开更多

关键词 数据辨识 不良负荷 蚁群算法 爬山算法 聚类

下载PDF 职称材料

我国银行不良贷款成因分析 被引量：1

2

作者 周志忠 《科技情报开发与经济》 2004年第8期90-91,共2页

从政府、国有银行和国有企业的角度,分析了银行不良贷款的成因,探讨了银行与企业之间的合约关系,提出了银行的贷款风险。

关键词 不良贷款 贷款风险 银行

下载PDF 职称材料

一种基于Spark和聚类分析的辨识电力系统不良数据新方法 被引量：66

3

作者 孟建良 刘德超 《电力系统保护与控制》 EI CSCD 北大核心 2016年第3期85-91,共7页

随着电力系统智能化建设的不断深入和推进,电力系统数据呈现海量化、高维化的趋势。针对电力系统中的不良数据将导致电力系统状态估计结果的准确性降低,而传统聚类算法处理海量高维数据时单机计算资源不足,近年来较流行的Map Reduce框... 随着电力系统智能化建设的不断深入和推进,电力系统数据呈现海量化、高维化的趋势。针对电力系统中的不良数据将导致电力系统状态估计结果的准确性降低,而传统聚类算法处理海量高维数据时单机计算资源不足,近年来较流行的Map Reduce框架不能有效处理频繁迭代计算等问题,提出一种基于Spark的并行K-means算法辨识不良数据的新方法。以某一节点电力负荷数据为研究对象,运用基于Spark的并行K-means聚类算法提取出日负荷特征曲线,分别对输电网状态估计中的不良数据进行检测和辨识。选用EUNITE提供的真实电力负荷数据进行实验,结果表明此方法能有效提高状态估计结果的准确性,与基于Map Reduce框架的方法相比,具有更好的加速比、扩展性,能更好地处理电力系统的海量数据。 展开更多

关键词 SPARK 聚类 K-MEANS 电力系统 不良数据 负荷曲线分类

下载PDF 职称材料

灰色系统参数估计与不良数据辨识 被引量：27

4

作者 康重庆 夏清 相年德 《清华大学学报（自然科学版）》 EI CAS CSCD 北大核心 1997年第4期72-75,共4页

针对序列中含有空穴或不良数据的情况，将参数估计与不良数据辨识理论作为数据预处理技术应用于灰色系统建模。以观测数据为依据进行参数估计，避免了常规模型将空穴处的生成数据与其余实际数据同等对待的弊端；对序列作检测与辨识，使... 针对序列中含有空穴或不良数据的情况，将参数估计与不良数据辨识理论作为数据预处理技术应用于灰色系统建模。以观测数据为依据进行参数估计，避免了常规模型将空穴处的生成数据与其余实际数据同等对待的弊端；对序列作检测与辨识，使剔除不良数据后的参数估计结果更为精确。在电力系统灰色负荷预测中的应用结果表明，这一方法在提高灰色系统建模精度方面有相当的优越性，预测结果比常规灰色模型有很大的改善。 展开更多

关键词 参数估计 灰色系统 不良数据辨识 电力系统

原文传递

基于空间密度聚类和异常数据域的负荷异常值识别方法 被引量：39

5

作者 赵天辉 张耀 王建学 《电力系统自动化》 EI CSCD 北大核心 2021年第10期97-105,共9页

针对海量电力负荷数据,提出一种基于空间密度聚类和异常数据域的负荷异常值识别方法。首先,基于空间密度聚类方法将负荷曲线按照正常和异常用电模式进行分类,并对正常用电模式中的负荷曲线进行负荷水平分类。然后,在不同负荷水平下,利... 针对海量电力负荷数据,提出一种基于空间密度聚类和异常数据域的负荷异常值识别方法。首先,基于空间密度聚类方法将负荷曲线按照正常和异常用电模式进行分类,并对正常用电模式中的负荷曲线进行负荷水平分类。然后,在不同负荷水平下,利用负荷期望值的置信区间和负荷样本与样本均值之间偏差的四分位差,构建异常数据域。考虑非典型用电行为的偶然性,引入用电时刻偏移量,对形成的异常数据域进行修正,并构建面向异常用电模式的异常数据域。在算例中,采用居民和工业用户的负荷数据集对所提方法进行检验,相比于传统方法,文中所提方法的识别精确率平均提高了10%以上,综合评价指标平均提高了4%以上。 展开更多

关键词 负荷异常值 不良数据辨识 负荷聚类 用电模式 负荷水平 四分位差 用电时刻偏移

下载PDF 职称材料

千斤顶作用下带榫管片的裂纹扩展规律 被引量：16

6

作者 卢岱岳 何川 王士民 《西南交通大学学报》 EI CSCD 北大核心 2017年第1期75-82,共8页

针对盾构隧道施工过程中带榫管片易出现裂纹及局部破损的现象,运用ABAQUS中的扩展有限单元法,建立了标准带榫管片的数值模型,并针对管片受力不均、千斤顶加压不同步和千斤顶偏心荷载3种不良施工荷载情况下的12个具体工况,对施工过程中... 针对盾构隧道施工过程中带榫管片易出现裂纹及局部破损的现象,运用ABAQUS中的扩展有限单元法,建立了标准带榫管片的数值模型,并针对管片受力不均、千斤顶加压不同步和千斤顶偏心荷载3种不良施工荷载情况下的12个具体工况,对施工过程中带榫管片裂纹初始开裂位置、扩展方向及裂纹空间分布规律等进行了系统分析.研究结果表明:不良施工荷载是带榫管片产生裂纹的主要因素,荷载大的位置易产生裂纹,千斤顶先接触部位易产生裂纹;带榫管片凸榫端中部较两端易产生裂纹,带榫管片内弧面较外弧面更易产生裂纹;3种不良施工荷载对带榫管片的损害程度由强到弱依次为千斤顶偏心荷载、千斤顶加压不同步和管片受力不均. 展开更多

关键词 盾构隧道 带榫管片 不良荷载 裂纹扩展 扩展有限元

下载PDF 职称材料

低秩矩阵分解在母线坏数据辨识与修复中的应用 被引量：12

7

作者 王毅 李鼎睿 康重庆 《电网技术》 EI CSCD 北大核心 2017年第6期1972-1979,共8页

母线负荷分析与预测对电力系统的安全稳定具有重要意义。目前我国采集到的母线负荷数据中含有较多且类型不同的坏数据,给母线负荷的分析的准确性与预测的精确性带来较大影响。文中提出了一种基于低秩矩阵分解的母线坏数据辨识与修复方... 母线负荷分析与预测对电力系统的安全稳定具有重要意义。目前我国采集到的母线负荷数据中含有较多且类型不同的坏数据,给母线负荷的分析的准确性与预测的精确性带来较大影响。文中提出了一种基于低秩矩阵分解的母线坏数据辨识与修复方法。从母线数据本身出发,首先分析了母线数据的低秩特性,研究不同类型坏数据产生的原因;然后建立了一种基于低秩矩阵分解的母线坏数据辨识与修复的模型,并给出了基于阈值迭代法(iterative thresholding,IT)的模型求解方法;最后,利用广东省母线负荷实际算例进行了分析,并利用修复前后的母线数据进行虚拟预测对比,结果实现了坏数据的有效恢复和预测精度的提高。 展开更多

关键词 母线负荷 低秩矩阵分解 坏数据辨识 坏数据修复 负荷预测

下载PDF 职称材料

基于模糊负荷聚类的不良负荷数据辨识与修正 被引量：11

8

作者 刘辉舟 周开乐 胡小建 《中国电力》 CSCD 北大核心 2013年第10期29-34,共6页

为辨识和修正不良负荷数据,在利用模拟退火遗传算法优化的模糊C均值(Fuzzy C-Means,FCM)算法进行负荷曲线聚类的基础上,提出将待测曲线与相应特征曲线进行比较计算差量系数的方法。差量系数大于电力公司确定的阈值的负荷点即为不良负荷... 为辨识和修正不良负荷数据,在利用模拟退火遗传算法优化的模糊C均值(Fuzzy C-Means,FCM)算法进行负荷曲线聚类的基础上,提出将待测曲线与相应特征曲线进行比较计算差量系数的方法。差量系数大于电力公司确定的阈值的负荷点即为不良负荷数据。通过算例验证表明,该方法克服了统计历史数据中不良数据的影响,提高了不良数据辨识的可操作性和实用性。同时提出了考虑不良数据测量点外所有其他测量点负荷信息的不良数据修正方法,与仅考虑不良数据测量点前后2个测量点负荷信息的修正方法相比,提高了不良数据修正的精确性和有效性。 展开更多

关键词 不良负荷数据 辨识与修正 负荷曲线聚类 模糊C均值算法

下载PDF 职称材料

数据挖掘在电力负荷坏数据智能辨识与修正中的应用 被引量：11

9

作者 张昀 周湶 +3 位作者 任海军 孙才新 伍科 马小敏 《重庆大学学报（自然科学版）》 EI CAS CSCD 北大核心 2013年第2期69-74,共6页

负荷历史数据由于各种原因含有一定的坏数据,在进行高精度的电力负荷预测或系统分析前必须对历史数据进行预处理。本文采用基于加权核函数的模糊C均值聚类的改进算法—WKFCM,以核诱导距离的简单两项和替代欧氏距离作为聚类目标公式的不... 负荷历史数据由于各种原因含有一定的坏数据,在进行高精度的电力负荷预测或系统分析前必须对历史数据进行预处理。本文采用基于加权核函数的模糊C均值聚类的改进算法—WKFCM,以核诱导距离的简单两项和替代欧氏距离作为聚类目标公式的不相似性测度函数,减小了计算复杂度。对数据进行聚类之后,采用收敛速度快、模式分类能力强的超圆神经元网络数据辨识模型,并对识别出的坏数据进行修正,实例证明本文提出的数据处理模型具有较好的效果。 展开更多

关键词 模糊C均值聚类 超圆神经网络 不良数据检测与辨识 电力系统负荷预测

下载PDF 职称材料

基于改进式k-prototypes聚类的坏数据辨识与修正 被引量：8

10

作者 王孝慈 董树锋 +2 位作者 刘育权 王莉 李俊格 《电测与仪表》 北大核心 2022年第2期9-15,共7页

工业领域很多技术的实现都以准确的负荷数据为基础,而工厂现有的负荷数据测量体系常因为通信、存储等故障,导致负荷数据中出现大量坏数据。因此,提出基于改进式k-prototypes聚类的坏数据辨识与修正方法,通过在聚类中引入非负荷数据特征... 工业领域很多技术的实现都以准确的负荷数据为基础,而工厂现有的负荷数据测量体系常因为通信、存储等故障,导致负荷数据中出现大量坏数据。因此,提出基于改进式k-prototypes聚类的坏数据辨识与修正方法,通过在聚类中引入非负荷数据特征,削弱负荷坏数据对聚类结果的影响,使坏数据辨识和修复结果更准确。改进式k-prototypes算法通过随机初始化,并行计算择优,克服了标准k-prototypes容易随初始聚类中心陷入局部最优解的缺陷;并通过聚类数量的自适应处理,解决了主观决定聚类数量的问题。基于聚类结果,根据正态分布原则确定负荷数据可行域,识别坏数据,并利用类中心置换法进行修正。实验表明,该方法较只考虑负荷数据的模糊均值聚类法效果更好,坏数据识别的召回率与修正的准确率显著提高。 展开更多

关键词 k-prototypes聚类 混合数据集聚类 坏数据辨识 类中心置换修正法 工业负荷预处理

下载PDF 职称材料

TD-LTE无线网络痛点分析优化 被引量：5

11

作者 王锐 《电信工程技术与标准化》 2015年第11期26-31,共6页

本文主要从网络结构的合理性、劣化小区的控制、容量与日俱增引起的网络负荷、多频段所带来的网络干扰这4个方面,进行详尽的分析,并指出优化关键点所在,从而更好的提升网络质量。

关键词 网络结构 劣化小区 高负荷 干扰

下载PDF 职称材料

基于正则化拉格朗日乘子法的配电网网络拓扑辨识 被引量：1

12

作者 周宁 方治 +1 位作者 蔺晨晖 吴文传 《供用电》 北大核心 2024年第6期12-20,共9页

网络拓扑辨识是配电网能量管理系统中的核心应用之一,是其他各种高级功能进行分析计算的基础。考虑量测中不良数据的影响,提出了一种基于正则化拉格朗日乘子法的配电网网络拓扑辨识方法。该方法将配电网网络拓扑与实际不符的情况视为多... 网络拓扑辨识是配电网能量管理系统中的核心应用之一,是其他各种高级功能进行分析计算的基础。考虑量测中不良数据的影响,提出了一种基于正则化拉格朗日乘子法的配电网网络拓扑辨识方法。该方法将配电网网络拓扑与实际不符的情况视为多个线路的参数误差问题,并采用拉格朗日乘子法进行辨识。重复运行辨识程序,依次校正超过所设阈值的最大正则化拉格朗日乘子所对应的线路,得到正确的配电网网络拓扑模型。通过对比每次辨识程序中的最大正则化残差和最大正则化拉格朗日乘子,区分配电网中的不良数据与拓扑错误,并对不良数据进行自动校正。借助于高精度微型同步相量测量单元(micro-phasor measurement units,μPMU)的量测信息,辨识方法适用于配电网的轻载模式。最后利用IEEE 33节点系统验证所提出的方法,结果表明所提出的方法能有效辨识网络拓扑错误和不良数据。 展开更多

关键词 配电网 拓扑辨识 不良数据 轻载模式 拉格朗日乘子法 微型同步相量测量单元

下载PDF 职称材料