简介:摘要:本文提出的基于智能时序数据分析的异常检测算法选择框架可对周期性、振荡、线性、小点等指标时序数据进行在线分析。,自动分类实时指示器波形,然后根据波形分类结果自动匹配本地设备端算法库中的最优检测算法,不仅解决了单个检测算法处理不同类型指示器数据的局限性,而且此外,本系统支持由服务器定期或手动触发的联机模型培训和更新,并在设备末端分发模型更新指令,以确保模型性能不会随着时间的推移而逐渐下降。应用测试和验证结果表明,该系统可以大大降低异常错误率,提高操作人员的工作效率。今后的工作将侧重于两个方面:一方面,研究基于预测和检测时间序列数据机制的深入学习算法;另一方面,作为研究的一部分,研究相关模型的增量学习算法,以进一步提高效率。
简介:摘要:现阶段随着信息化的发展,智能电网的建设的全面开展,在电力系统运行、监控、管理等流程中产生了海量的且种类繁多的数据,即大数据。目前宣城供电公司变电站作为宣城电网中绝大部分电气设备的集合体,站内设备繁多,内部连接关系复杂。及时把控每台设备的运行状态,对设备的后期检修、工程技改及提高地区的供电可靠性尤为重要。但以目前的监控手段及信息获取方式,面临着数据量庞大、数据复杂度高、数据信息量冗余、多个系统之间数据无关联的弊端,常规的数据分析手段难以达到对各个变电站的供电性能进行快速、准确、有效的评估,所以加强基于大数据的调控运行数据的统一分析管理是很有必要的。
简介:红外图像中弱小目标的检测是实现红外搜索跟踪、红外侦查预警等红外图像处理的核心技术之一。当目标距离成像系统较远,目标呈现出面积小、信噪比低等特点,增加了对其检测的难度。为了准确、快速地实现不同红外背景下的弱小目标检测,提出了一种基于多层数据融合的红外图像弱小目标单帧检测算法。
简介:摘要:计量数据分析中异常值检测算法的研究一直备受关注,因为异常值可能导致分析结果的不准确性,甚至误导决策。本文旨在比较不同的异常值检测算法,并探讨它们在实际应用中的效果。介绍异常值的概念和影响,然后分析了常见的异常值检测算法,如基于统计方法、机器学习和深度学习的方法。通过对这些算法的比较,我们发现每种算法都有其优势和局限性,适用于不同类型的数据和问题。
简介:摘要随着经济的迅速发展,大量整流设备等非线性负荷不断投入运行,使得电网中产生电压畸变、谐波;三相不对称负载,如单相大容量负荷(电气化铁路、电弧炉及大功率设备)由于在三相系统中的容量和电气位置分布不合理,引起系统三相不平衡;具有波动性、冲击性的负荷(钢铁企业的电弧炉、大型轧钢机)容易引起电压波动和闪变,严重威胁着电力系统安全、稳定、可靠、经济的运行。用户侧设备的运行也受电能质量的影响。如果供电突然中断或者波动,将会给工业生产带来巨大的经济损失,尤其对于用户侧安装的一些对电能质量具有高要求的控制设备、电子装置等。为了保证电力系统的安全经济运行,减少因电能质量问题对用户和用电设备造成的影响,了解电能质量的定义、基本指标,研究电能质量的检测方法具有重要意义。