本文選題：大數(shù)據(jù) + 異常檢測(cè)��； 參考：《電網(wǎng)技術(shù)》2017年11期

【摘要】：針對(duì)變壓器設(shè)備大數(shù)據(jù)狀態(tài)評(píng)估過(guò)程中存在數(shù)據(jù)缺失以及異常數(shù)據(jù)等問(wèn)題,提出了一種基于關(guān)聯(lián)規(guī)則分析和神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)清洗策略。首先通過(guò)關(guān)聯(lián)規(guī)則挖掘,建立了衡量狀態(tài)監(jiān)測(cè)量間關(guān)聯(lián)程度的數(shù)學(xué)模型,找出具有強(qiáng)關(guān)聯(lián)性的時(shí)間序列。然后利用基于密度的聚類算法檢測(cè)出序列中的缺失值以及異常點(diǎn),提出了考慮序列關(guān)聯(lián)性的清洗流程和規(guī)則,有效區(qū)分可清洗的傳感器數(shù)據(jù)異常和設(shè)備狀態(tài)異常。針對(duì)可清洗的數(shù)據(jù)點(diǎn),利用小波神經(jīng)網(wǎng)絡(luò)模型進(jìn)行缺失數(shù)據(jù)預(yù)測(cè)和錯(cuò)誤數(shù)據(jù)修正,并動(dòng)態(tài)修正小波神經(jīng)網(wǎng)絡(luò)參數(shù)和組合預(yù)測(cè),提高了網(wǎng)絡(luò)的清洗效率和準(zhǔn)確率。以實(shí)際變壓器設(shè)備在線監(jiān)測(cè)數(shù)據(jù)為例進(jìn)行測(cè)試,測(cè)試結(jié)果表明序列數(shù)據(jù)的關(guān)聯(lián)性分析和小波神經(jīng)網(wǎng)絡(luò)相結(jié)合,能夠有效提高變壓器在線監(jiān)測(cè)數(shù)據(jù)清洗的準(zhǔn)確度。
[Abstract]:A data cleaning strategy based on association rule analysis and neural network is proposed to solve the problems of missing data and abnormal data in big data status evaluation of transformer equipment. Firstly, by mining association rules, a mathematical model to measure the correlation between state monitoring variables is established to find out the time series with strong correlation. Then the missing values and outliers in the sequence are detected by the density-based clustering algorithm, and the cleaning process and rules considering the correlation of the sequences are proposed, which can effectively distinguish the detectable sensor data anomalies from the equipment state anomalies. For the data points that can be cleaned, the missing data and error data are predicted by wavelet neural network model, and the parameters and combination prediction of wavelet neural network are dynamically corrected, which improves the cleaning efficiency and accuracy of the network. Taking the on-line monitoring data of transformer equipment as an example, the test results show that the combination of correlation analysis of sequence data and wavelet neural network can effectively improve the accuracy of on-line monitoring data cleaning of transformers.
【作者單位】： 上海交通大學(xué)電氣工程系;國(guó)網(wǎng)山東省電力公司電力科學(xué)研究院;
【分類號(hào)】：TM41;TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曹慶文,李寧,董連文;多維時(shí)間序列應(yīng)用于在線監(jiān)測(cè)數(shù)據(jù)處理[J];高電壓技術(shù);2004年S1期

2 張霖;楊超;;容性設(shè)備在線監(jiān)測(cè)數(shù)據(jù)可靠性分析與運(yùn)維[J];電氣技術(shù);2014年08期

3 嚴(yán)新華;周雄明;;電力電纜在線監(jiān)測(cè)數(shù)據(jù)傳輸及組織處理[J];供用電;2009年03期

4 楊莉,張理,郭俊杰,嚴(yán)璋;在線監(jiān)測(cè)數(shù)據(jù)剔點(diǎn)處理算法的研究[J];高壓電器;2000年05期

5 張會(huì)平,談克雄,董鳳字,王晉昌;電容型設(shè)備在線監(jiān)測(cè)數(shù)據(jù)的分析方法[J];高電壓技術(shù);2002年04期

6 左磊;侯立剛;高大明;彭曉宏;吳武臣;;基于粒子群-小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷[J];北京工業(yè)大學(xué)學(xué)報(bào);2010年03期

7 黃永紅;徐勇;;基于小波神經(jīng)網(wǎng)絡(luò)的某邊坡預(yù)測(cè)研究[J];測(cè)繪工程;2012年02期

8 祖哲;畢貴紅;劉力;郝娟;;基于小波神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)模型研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2012年10期

9 霍禹同;;基于小波神經(jīng)網(wǎng)絡(luò)的電機(jī)自動(dòng)控制研究[J];信息與電腦(理論版);2013年09期

10 岳建平;在線監(jiān)測(cè)數(shù)據(jù)的可靠性檢驗(yàn)方法研究[J];大壩觀測(cè)與土工測(cè)試;1997年02期

相關(guān)會(huì)議論文 前10條

1 鄭云海;王恒山;;變電站設(shè)備絕緣在線監(jiān)測(cè)數(shù)據(jù)的分析[A];2009年全國(guó)輸變電設(shè)備狀態(tài)檢修技術(shù)交流研討會(huì)論文集[C];2009年

2 胡博;陶文華;崔博;白一彤;尹旭;;基于小波神經(jīng)網(wǎng)絡(luò)的異步電機(jī)故障診斷[A];2009中國(guó)控制與決策會(huì)議論文集（2）[C];2009年

3 何正友;錢(qián)清泉;;一種改進(jìn)小波神經(jīng)網(wǎng)絡(luò)模型在電力故障信號(hào)識(shí)別中的應(yīng)用[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

4 魯艷軍;陳漢新;陳緒兵;;基于小波神經(jīng)網(wǎng)絡(luò)的齒輪裂紋故障診斷[A];節(jié)能減排 綠色制造 智能制造——低碳經(jīng)濟(jì)下高技術(shù)制造產(chǎn)業(yè)與智能制造發(fā)展論壇論文集[C];2010年

5 董健;尹萌;張輝;;小波神經(jīng)網(wǎng)絡(luò)結(jié)合多項(xiàng)式的混合預(yù)測(cè)方法在通信規(guī)劃中的應(yīng)用[A];2011全國(guó)無(wú)線及移動(dòng)通信學(xué)術(shù)大會(huì)論文集[C];2011年

6 謝建宏;張為公;;復(fù)合材料疲勞剩余壽命預(yù)測(cè)的動(dòng)態(tài)小波神經(jīng)網(wǎng)絡(luò)方法[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

7 陳建秋;張新政;;基于小波神經(jīng)網(wǎng)絡(luò)的水質(zhì)預(yù)測(cè)應(yīng)用研究[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

8 孫正貴;;小波神經(jīng)網(wǎng)絡(luò)的高效學(xué)習(xí)算法及應(yīng)用研究[A];中南六省（區(qū)）自動(dòng)化學(xué)會(huì)第24屆學(xué)術(shù)年會(huì)會(huì)議論文集[C];2006年

9 黃敏;朱啟兵;崔寶同;;基于小波神經(jīng)網(wǎng)絡(luò)的軋機(jī)特性回歸[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

10 周紹磊;張文廣;李新;;一種基于改進(jìn)遺傳算法的小波神經(jīng)網(wǎng)絡(luò)[A];2007年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2007年

相關(guān)重要報(bào)紙文章 前10條

1 王玉東;確保監(jiān)測(cè)數(shù)據(jù)準(zhǔn)確可靠[N];中國(guó)環(huán)境報(bào);2011年

2 本報(bào)記者 何秋劭;環(huán)保數(shù)據(jù)因何屢屢造假[N];中國(guó)水運(yùn)報(bào);2014年

3 張志宏 張旭;甘肅源頭防范數(shù)據(jù)造假[N];中國(guó)環(huán)境報(bào);2014年

4 許成寬;從“偷數(shù)字”看鐵腕治污[N];安徽經(jīng)濟(jì)報(bào);2014年

5 張濤 劉寶森;環(huán)保數(shù)據(jù)“動(dòng)手腳”膽兒忒肥[N];中華工商時(shí)報(bào);2014年

6 廖開(kāi)華;洋豐總部?jī)杀O(jiān)測(cè)系統(tǒng)驗(yàn)收獲高分[N];中華合作時(shí)報(bào);2009年

7 記者 萬(wàn)京華;“千里眼”管住企業(yè)超標(biāo)排污[N];萊蕪日?qǐng)?bào);2010年

8 張濤　劉寶森 馬姝瑞 楊丁淼 趙倩;從“偷排”到“偷數(shù)字”[N];新農(nóng)村商報(bào);2014年

9 本報(bào)記者 馬躍峰;山東環(huán)保出新招[N];人民日?qǐng)?bào)海外版;2008年

10 中國(guó)經(jīng)濟(jì)導(dǎo)報(bào)記者 齊添;從“偷排”轉(zhuǎn)向“偷數(shù)字” 環(huán)保造假再出新?tīng)顩r[N];中國(guó)經(jīng)濟(jì)導(dǎo)報(bào);2014年

相關(guān)博士學(xué)位論文 前10條

1 侯霞;小波神經(jīng)網(wǎng)絡(luò)若干關(guān)鍵問(wèn)題研究[D];南京航空航天大學(xué);2006年

2 章文俊;小波神經(jīng)網(wǎng)絡(luò)算法及其船舶運(yùn)動(dòng)控制應(yīng)用研究[D];大連海事大學(xué);2014年

3 高協(xié)平;小波參數(shù)化與小波神經(jīng)網(wǎng)絡(luò)研究[D];湖南大學(xué);2003年

4 宋清昆;自適應(yīng)結(jié)構(gòu)優(yōu)化神經(jīng)網(wǎng)絡(luò)控制研究[D];哈爾濱理工大學(xué);2009年

5 李永紅;廣義小波神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)雷達(dá)相關(guān)濾波的研究[D];大連海事大學(xué);2000年

6 銀俊成;量子信道與量子小波神經(jīng)網(wǎng)絡(luò)相關(guān)問(wèn)題研究[D];陜西師范大學(xué);2013年

7 李文軍;多小波和小波神經(jīng)網(wǎng)絡(luò)構(gòu)造及其在電弧故障診斷中的應(yīng)用研究[D];吉林大學(xué);2008年

8 劉守生;遺傳算法與小波神經(jīng)網(wǎng)絡(luò)中若干問(wèn)題的研究[D];南京航空航天大學(xué);2005年

9 黃同成;基于小波神經(jīng)網(wǎng)絡(luò)理論的VOCR與HOCR技術(shù)研究[D];上海大學(xué);2008年

10 蔡振禹;基于粗集—小波神經(jīng)網(wǎng)絡(luò)的煤炭企業(yè)管理研究[D];天津大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 周道涵;基于在線監(jiān)測(cè)數(shù)據(jù)的設(shè)備突發(fā)大故障預(yù)測(cè)建模及實(shí)現(xiàn)[D];電子科技大學(xué);2014年

2 張清華;小波神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化及其應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2009年

3 王建雙;基于小波神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)與研究[D];哈爾濱理工大學(xué);2009年

4 張蓉暉;小波神經(jīng)網(wǎng)絡(luò)及其在模擬電路診斷中的應(yīng)用[D];華中科技大學(xué);2008年

5 吳曦;基于隨機(jī)小波神經(jīng)網(wǎng)絡(luò)的一類隨機(jī)過(guò)程的逼近[D];西北工業(yè)大學(xué);2001年

6 王勇;基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷的研究[D];內(nèi)蒙古工業(yè)大學(xué);2006年

7 孫新強(qiáng);基于小波神經(jīng)網(wǎng)絡(luò)的板料沖壓回彈研究[D];西南交通大學(xué);2015年

8 但立;基于小波神經(jīng)網(wǎng)絡(luò)的地面三維激光掃描點(diǎn)云數(shù)據(jù)的滑坡監(jiān)測(cè)研究[D];長(zhǎng)安大學(xué);2015年

9 葛小川;基于小波神經(jīng)網(wǎng)絡(luò)的某坦克炮平衡與定位控制[D];南京理工大學(xué);2015年

10 蔡崇國(guó);小波分析在大功率交流伺服系統(tǒng)中的應(yīng)用研究[D];南京理工大學(xué);2015年

，

本文編號(hào)：1870450