基于改进OCSVM的智能变电站数据流异常检测方法研究
目前智能变电站的数据流异常检测对准确性和实时性要求较高,采用简单阈值的检测方法已无法满足要求.针对这一问题,基于智能变电站体系架构,提出了一种将改进的密度聚类算法和改进的单类支持向量机算法相结合用于智能变电站异常数据流检测的方法.使用k-dist图优化密度聚类算法对正常数据流样本进行聚类,形成样本簇.使用改进的粒子群算法优化单类支持向量机算法建立相应的检测模型,对异常数据流进行检测.通过仿真与传统检测方法进行对比分析,验证了所提方法的有效性.结果表明,与传统OCSVM方法相比,所提异常检测方法将常规数据流样本拆分为多个OCSVM模型,可以更紧密地包裹正常样本,检测效果较为理想,检测准确率高于99%,可以满足异常数据检测对准确性和实时性的要求.
智能变电站、通信网络异常、数据流、密度聚类算法、单类支持向量机算法
50
南方电网公司科技项目;国家重点研发计划
2022-04-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
100-106