基于DBSCAN聚类的热能发电大数据异常检测模型

摘要：

为了解决热能发电大数据异常检测时,存在误报率高、检测率低和漏报率高的问题,提出了基于DBSCAN聚类的热能发电大数据异常检测模型.首先通过时间序列模型对原始发电大数据进行异常值修正,然后将修正后的数据归一化处理,最后基于Spark Streaming设计Streaming DBSCAN算法,结合历史数据和相似发电厂数据的聚类特征,完成热能发电异常数据的检测.实验结果表明,所提方法可以有效降低误报率和漏报率、提高检测率并准确地获取异常值.

关键词：热能发电、DBSCAN聚类、数据异常、归一化处理、Spark Streaming

所属期刊栏目：52

分类号：TP311.13(计算技术、计算机技术)

资助基金：江苏省科技项目BE2020688

在线出版日期：2023-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：35-38,48