文献类型：期刊文章

作　　者：姜丹[1] 梁春燕[2] 吴军英[1] 常永娟[1]

JIANG Dan;LIANG Chunyan;WU Junying;CHANG Yongjuan(State Grid Hebei Information&Telecommunication Branch,Shijiazhuang 050000,China;College of Computer Science and Technology,Shandong University of Technology,Zibo 255049,China)

机构地区：[1]国网河北省电力有限公司信息通信分公司,河北石家庄050000 [2]山东理工大学计算机科学与技术学院,山东淄博255049

出　　处：《中国测试》

基　　金：国家自然科学基金项目(11704229)。

年　　份：2020

卷　　号：46

期　　号：7

起止页码：18-23

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、IC、JST、PROQUEST、RCCSE、UPD、ZGKJHX、核心刊

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。

关 键 词：大数据分析  数据异常 检测示警  时窗 似然比

分 类 号：TM764]