10.13335/j.1000-3673.pst.2017.0141
考虑时间序列关联的变压器在线监测数据清洗
针对变压器设备大数据状态评估过程中存在数据缺失以及异常数据等问题,提出了一种基于关联规则分析和神经网络的数据清洗策略.首先通过关联规则挖掘,建立了衡量状态监测量间关联程度的数学模型,找出具有强关联性的时间序列.然后利用基于密度的聚类算法检测出序列中的缺失值以及异常点,提出了考虑序列关联性的清洗流程和规则,有效区分可清洗的传感器数据异常和设备状态异常.针对可清洗的数据点,利用小波神经网络模型进行缺失数据预测和错误数据修正,并动态修正小波神经网络参数和组合预测,提高了网络的清洗效率和准确率.以实际变压器设备在线监测数据为例进行测试,测试结果表明序列数据的关联性分析和小波神经网络相结合,能够有效提高变压器在线监测数据清洗的准确度.
大数据、异常检测、数据清洗、关联规则、小波神经网络
41
TM76(输配电工程、电力网及电力系统)
2017-12-06(万方平台首次上网日期,不代表论文的发表时间)
共8页
3733-3740