基于多判据融合的用电信息采集系统异常数据甄别模型

• 作者: 季聪 祝永晋 马吉科
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 深度学习 多判据融合 异常数据甄别 长短期记忆网络
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 数据挖掘技术
• 页码范围: 184-192
• 页数: 9页
• 分类号: TM73|TP274
• 字数: 6367字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2019.009.024

摘要

针对海量数据处理难度大,传统人工排查方法效率低、实时性不高等问题,建立了基于多判据融合的用电信息采集系统异常数据甄别模型.首先,对用电信息采集系统数据断点、异常点和现场实际运行数据情况进行统计分析;分别采用原型聚类法、密度聚类法、概率密度法和深度学习方法4种方法进行异常值甄别,并比较各方法的异常值甄别结果;为避免单一判断准则的随机性与不准确性,将4种方法异常值甄别结果进行相互交叉验证,获得最终的异常值甄别结果;基于已经训练完成的模型,在线监测异常数据,最终建立基于多判据融合的异常数据甄别模型.通过用电信息采集系统异常数据甄别模型基本测试和实际电表的电流和功率测试,结果验证了模型和方法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	祝永晋		13	16	3.0	3.0
2	马吉科		10	6	2.0	2.0
3	季聪		11	98	5.0	9.0