综合数据清洗及无监督学习技术的电力设备状态评估

• 作者: 周步祥 张冰 魏金萧
• 来源期刊: 水电能源科学
• 学科: 工学
• 关键词: 电力大数据 异常监测 数据预处理 无监督学习 欧氏距离
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 电气工程
• 页码范围: 210-214
• 页数: 5页
• 分类号: TM714
• 语种: 中文

摘要

针对传统的阈值异常监测方法难以快速、准确地检测出输变电设备的异常,且会出现误报现象,提出了一种综合数据清洗与无监督学习技术的电力设备状态监测方法,首先运用一种数据清洗方法对原始数据进行预处理,去除了其中存在的噪音点、缺失值等,在不影响结果的前提下最大程度的简化了数据,避免了误报,提高了在线监测的效率;然后结合一种基于无监督学习的数据挖掘方法,利用自回归模型,提出了契合度的指标;最后与历史正常运行时间序列进行欧氏距离的分析.实例应用结果表明,所提方法能更加及时监测到设备异常,且准确性得到了提高,较传统阈值方法更具优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周步祥	四川大学电气信息学院	121	1391	19.0	33.0
2	张冰	四川大学电气信息学院	10	16	3.0	4.0
3	魏金萧	四川大学电气信息学院	6	11	2.0	3.0