基于大数据分析的电力运行数据异常检测示警方法

• 作者: 吴军英 姜丹 常永娟 梁春燕
• 来源期刊: 中国测试
• 学科: 工学
• 关键词: 大数据分析 数据异常 检测示警 时窗 似然比
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 电力系统
• 页码范围: 18-23
• 页数: 6页
• 分类号: TM764
• 字数: 4346字
• 语种: 中文
• DOI: 10.11857/j.issn.1674-5124.2020040073

摘要

传统的数据检测方法易受电力系统环境变化的影响,难以对加时窗数据进行检测,降低检测准确率.为此,该文利用大数据分析技术估计电力运行数据的最大似然值等信息,设计新的电力运行数据异常检测示警方法,从根本上提高检测准确率.根据电力运行数据异常检测示警原理,对不同时窗中的子序列进行聚类处理,确定每个时窗中的异常数据;通过提取单数据、多数据特征量,用转移概率序列表示电力运行数据动态变化情况,在完成正常数据与异常数据间模糊特征聚类的基础上,采用大数据分析方法计算电力运行均值和方差,完成最大似然值估计,通过似然比建立异常情况检测与示警流程,对数据异常情况进行检测示警.实验结果表明,在油温和环境温度变化的情况下,所提方法的检测准确率较高,且示警过程耗时较少,证明该方法整体有效性较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴军英		16	32	3.0	5.0
2	梁春燕	山东理工大学计算机科学与技术学院	12	13	2.0	3.0
3	常永娟		13	30	3.0	5.0
4	姜丹		1	0	0.0	0.0