检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

时序数据故障点检测方法分析比较及应用

湖南师范大学自然科学学报 2012年第2期35卷 35-40页

作者：贺力克聂平由湖南工业职业技术学院电气工程系中国长沙410208

比较了3种不同的时序数据故障点检测算法.基于引力的孤立点检测算法考虑了数据对象周围的密度及数据之间的距离等因素.基于均值变点的检测算法则侧重于考察故障点周围统计量的变化,而非故障点的局部范围内统计量保持未定.第三种基于均... 详细信息

比较了3种不同的时序数据故障点检测算法.基于引力的孤立点检测算法考虑了数据对象周围的密度及数据之间的距离等因素.基于均值变点的检测算法则侧重于考察故障点周围统计量的变化,而非故障点的局部范围内统计量保持未定.第三种基于均值方差变点估计的检测算法则研究了时序数据中均值和方差两个统计量都存在变点且变点时刻不相同时的变点估计问题.试验表明基于引力的算法比其他两种效果要差,而基于均值变点检测算法的计算效率要比基于均值方差估计检测算法要高.

关键词：故障点检测时序数据孤立点均值变点方差变点

基于时序数据-BP神经网络的电力能耗分析研究

在线全文

学校读者我要写书评

暂无评论

西安航空学院学报 2022年第1期40卷 71-75页

作者：黄刘松储岳中张飞周明琴吴慧林马鞍山师范高等专科学校软件与互联网学院安徽马鞍山243041 安徽工业大学计算机科学与技术学院安徽马鞍山243032 安徽工业大学信息化处安徽马鞍山243032 国电南京自动化股份有限公司信息技术事业部南京211100

为了更好地对电厂中机组的能耗问题进行分析研究,根据电厂不同工况的参数指标,建立电力企业能耗仿真BP神经网络模型。归一化处理电厂运行过程中各类传感器采集的数据,采用负荷、环境温度、排烟温度、背压、含氧量等指标,并加入时序历史... 详细信息

为了更好地对电厂中机组的能耗问题进行分析研究,根据电厂不同工况的参数指标,建立电力企业能耗仿真BP神经网络模型。归一化处理电厂运行过程中各类传感器采集的数据,采用负荷、环境温度、排烟温度、背压、含氧量等指标,并加入时序历史能耗作为输入参数;利用电力企业短时能耗作为输出参数;通过采用不同时间窗口的连续时序能耗参数指标和热力学相关参数作为输入,在神经网络中不同中间层的隐层节点数下进行仿真实验。结果表明,基于时序历史能耗数据的电厂指标参数在包含21个隐层节点数的BP神经网络模型上能够在线仿真出精度较高的短时供电能耗数据。所建的电力能耗预测模型将为后续电厂的节能减排、负荷优化,提供理论参数支撑。

关键词：时序数据 BP神经网络电力能耗

基于时序数据的云网协同平台人工智能运维体系研究

在线全文

学校读者我要写书评

暂无评论

基于时序数据的云网协同平台人工智能运维体系研究

2022电力行业信息化年会

作者：程瑞营张攀肖雨乔宇杰张安奕国家电网有限公司信息通信分公司北京邮电大学

云计算在企业应用中的拓展不仅表现为平台规模的拓展,也表现为平台应用的延伸。随着企业数字化进程的持续推进,信息化应用对企业的重要性日益提升。云平台作为企业信息化的底座,其稳定高效运行显得格外重要。"云网协同"和"微服务化"是... 详细信息

云计算在企业应用中的拓展不仅表现为平台规模的拓展,也表现为平台应用的延伸。随着企业数字化进程的持续推进,信息化应用对企业的重要性日益提升。云平台作为企业信息化的底座,其稳定高效运行显得格外重要。"云网协同"和"微服务化"是当前企业云平台演进的重要趋势。随着企业信息化建设重要性的持续提升,微服务化云网协同平台的运行维护在运行感知全域化、状态判定复杂化和运维应用丰富化等方面面临极大挑战。实现云网协同平台的人工智能运维需要重点满足全方位数据采集、立体化业务建模和异常检测/预测等关键需求。针对上述需求,本文提出基于时序数据分析的云网协同平台人工智能运维技术体系,主要涉及面向日志的特征向量生成技术、微服务架构业务拓扑建模技术、业务对象建模技术和自适应系统状态管理技术4个方面。其中,面向日志的特征向量生成主要涉及基于扩展的前缀树结构的日志模板提取和面向语境的数据特征提取;微服务架构业务拓扑建模主要涉及垂直拓扑建模、水平拓扑建模和基于两者的立体拓扑建模;业务对象建模主要涉及多源数据共有/私有信息特征提取、一致性验证以及数据融合等环节;自适应系统状态管理主要用于支撑各种平台运维应用,涉及针对平台组件、系统和业务的状态评估和异常检测/预测等。针对提出的云网协同平台人工智能运维技术体系,本文给出云网协同平台人工智能运维子系统参考设计。云网协同平台人工智能运维系统是针对运维应用场景的大数据应用平台的垂直领域应用,需要具备数据采集、聚合、存储、分析和应用等功能,主要包括数据接入子系统、数据存储子系统、数据分析子系统、数据应用子系统和容器管理环境。本文的研究成果已在国家电网有限公司信息通信分公司科技项目中得以应用,并取得了良好的应用效果,这进一步验证了本文成果的可行性和实用价值。随着越来越多的各种类型的企业越来越关注信息化建设,信息系统在日趋复杂化的同时,其运维的重要性也越来越高。本文的研究成果对相关企业开展运维系统技术选型和设计提供了有益的参考。

关键词：云平台云网协同微服务时序数据人工智能运维

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于多尺度表征的航空时序数据故障检测

基于多尺度表征的航空时序数据故障检测

第六届中国航空科学技术大会

作者：高君宇张达李学龙西北工业大学光电与智能研究院

航空传感器时序数据故障检测在航空飞行任务中具有重要意义。然而传感器时序数据具有信息粒度隐蔽、时间跨度长等特点,导致目前大多数方法不仅检测性能较差,而且会产生昂贵的计算成本。为满足航空时序数据故障检测的应用需求,提出基于... 详细信息

航空传感器时序数据故障检测在航空飞行任务中具有重要意义。然而传感器时序数据具有信息粒度隐蔽、时间跨度长等特点,导致目前大多数方法不仅检测性能较差,而且会产生昂贵的计算成本。为满足航空时序数据故障检测的应用需求,提出基于多尺度表征的航空时序数据故障检测(Multi-scale Representation time series Fault Detection,MRFD)算法。首先,采用递进结构将网络划分为不同阶段,生成时序的多尺度表征。其次,利用新编码器对序列进行特征提取,并通过设计低秩自注意力机制替代标准自注意力机制以节省计算成本。实验结果表明,MRFD模型在某民机试飞的仿真时序数据集上,准确率比基线模型提高9.71%,精度提高1.59%,性能显著优于其他故障检测模型,表明所提方法在故障检测方面的有效性和优越性。

关键词：多尺度表征时序数据故障检测航空传感器

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

嵌入式系统并行架构下的时序数据帧排序方法

信息技术与信息化 2022年第6期 69-72页

作者：赵桥韩文俊李路野南京电子技术研究所江苏南京210039

针对强实时嵌入式系统多节点按帧轮询并行处理时序数据帧乱序问题,基于实装系统分析了时序数据帧的乱序特性,发现乱序数据帧存在全局有序局部乱序的特点,基于该特点设计了一种代价小效率高的局部数据帧排序方法,该方法通过维护一个定长... 详细信息

针对强实时嵌入式系统多节点按帧轮询并行处理时序数据帧乱序问题,基于实装系统分析了时序数据帧的乱序特性,发现乱序数据帧存在全局有序局部乱序的特点,基于该特点设计了一种代价小效率高的局部数据帧排序方法,该方法通过维护一个定长信息记录序列来保证局部范围内的数据帧始终有序,同时坚持信息记录序列“进一帧出一帧”的准则,保证了经过局部排序系统的输出数据帧节奏均匀连续,同时该排序方法内存占用少、速度快,节约了系统空间资源和时间资源。

关键词：帧排序时序数据分布式计算并行计算嵌入式实时计算

在线全文

学校读者我要写书评

暂无评论

电网边缘终端用电时序数据自动去重系统

自动化技术与应用 2023年第4期42卷 110-113页

作者：李树林刘倍菡张建平井含香国网甘肃省电力公司市场营销事业部甘肃兰州730000 国网定西供电公司甘肃定西743000

针对电网边缘终端用电时序数据重复问题,提出一种数据自动去重系统。基于分布式文件系统,采用客户端、元数据服务器、数据服务器以及网络通信模块等组件,构建电网边缘终端用电时序数据自动去重系统及其工作流程。通过对比分析部分去重... 详细信息

针对电网边缘终端用电时序数据重复问题,提出一种数据自动去重系统。基于分布式文件系统,采用客户端、元数据服务器、数据服务器以及网络通信模块等组件,构建电网边缘终端用电时序数据自动去重系统及其工作流程。通过对比分析部分去重、全局去重以及综合去重的单位时间重复数据去除量,选取综合去重法作为系统去重策略。针对用户连续两年的用电时序数据集展开系统仿真,采用空间压缩率、去重率以及吞吐量三个指标全面评估去重质量,结果验证所建系统具有较好的去重质量,吞吐量优越性较为显著。

关键词：边缘终端时序数据自动去重系统

考虑时序数据缺失的配电网线损率动态预测方法

在线全文

学校读者我要写书评

暂无评论

电子设计工程 2023年第17期31卷 132-136页

作者：马晓琴薛峪峰杨媛国网青海省电力公司信息通信公司青海西宁810008 国网青海省电力公司海东供电公司青海海东810600

针对现有线损预测方法受到缺失时序数据影响,导致预测精准度低的问题,提出了考虑时序数据缺失的配电网线损率动态预测方法。计算弗雷歇距离,判别正常数据集合和缺失数据集合曲线相似度。使用改进KNN方法选择嵌入式特征,通过确定缺失数... 详细信息

针对现有线损预测方法受到缺失时序数据影响,导致预测精准度低的问题,提出了考虑时序数据缺失的配电网线损率动态预测方法。计算弗雷歇距离,判别正常数据集合和缺失数据集合曲线相似度。使用改进KNN方法选择嵌入式特征,通过确定缺失数据集合中的k个最近邻,补全缺失数据。构建马尔可夫预测模型,获取动态状态转移概率矩阵,得到最佳的数据区间。判断线损率波动趋势,确定售电量结构影响因子、专线管理水平影响因子、公用线管理水平影响因子。经过累加后,计算动态潮流线损率,完成线损率动态预测。由实验结果可知,该方法与实际预测结果最大误差为0.2%,具有精准预测结果。

关键词：时序数据缺失配电网线损率动态预测

基于Transformer重建的时序数据异常检测与关系提取

在线全文

学校读者我要写书评

暂无评论

计算机工程 2021年第2期47卷 69-76页

作者：孟恒宇李元祥上海交通大学航空航天学院上海200240

现有时序异常检测方法存在计算效率低和可解释性差的问题。考虑到Transformer模型在自然语言处理任务中表现出并行效率高且能够跨距离提取关系的优势,提出基于Transformer的掩膜时序建模方法。建立时序数据的并行无方向模型,并使用掩膜... 详细信息

现有时序异常检测方法存在计算效率低和可解释性差的问题。考虑到Transformer模型在自然语言处理任务中表现出并行效率高且能够跨距离提取关系的优势,提出基于Transformer的掩膜时序建模方法。建立时序数据的并行无方向模型,并使用掩膜机制重建当前时间步,从而实现整段序列的重建。在存储系统数据集和NASA航天器数据集上的实验结果表明,与基于长短期记忆网络模型的检测方法相比,该方法可节约80.7%的计算时间,Range-based指标的F1得分达到0.582,并且其通过可视化关系矩阵可准确反映人为指令与异常的关系。

关键词：时序数据注意力机制异常检测关系提取自动编码器

在线全文

学校读者我要写书评

暂无评论

基于深度学习的物联网时序数据分析技术

基于深度学习的物联网时序数据分析技术

作者：宋守良齐鲁工业大学

学位级别：硕士

物联网通过对周围环境的感知、无线传输、智能计算等把物与物、物与人连接起来,以实现智能化识别、定位、跟踪、监控和管理。特别是随着近年来深度学习技术的快速发展,人工智能驱动的物联网即智能物联网(Artificial Intelligent Interne... 详细信息

物联网通过对周围环境的感知、无线传输、智能计算等把物与物、物与人连接起来,以实现智能化识别、定位、跟踪、监控和管理。特别是随着近年来深度学习技术的快速发展,人工智能驱动的物联网即智能物联网(Artificial Intelligent Internet of Things,AIoT)更加广泛地融入至人们的生活和工作,延伸至个人可穿戴设备、智能家居、智慧城市、智慧医疗、智慧农业、工业4.0等为代表的数字中国和智慧社会的各种典型应用,成为新一轮科技革命与产业变革的重要驱动力。物联网系统中传感器和网络传输所产生的数据大多以时间序列的形式存在。智能化的时间序列分析,如时间序列分类、聚类、异常检测等,是实现设备运行状态监控、人体健康监测、网络安全预警等智慧应用的关键技术,对物联网的智能化具有重要意义。然而,智能物联网中的时间序列数据往往具有通道多、体量大、关联性复杂、非平稳、噪声大、实时性要求高、识别与分类精准度要求高等特点和应用相关的独特需求,为高质量的分析带来巨大挑战。本文针对物联网中的两类典型时间序列数据,即离散变量类型和连续变量类型的实时数据检测和分类需求,开展了基于深度学习的序列分析方法研究。具体工作包括:(1)针对以物联网网络流量为代表的离散型时间序列数据中的实时异常检测问题,构建了基于卷积神经网络(Convolutional Neural Network,CNN)和长短时记忆(Long Short-Term Memory,LSTM)网络相结合的混合时间序列恶意流量检测算法,过融合网络流量的时间特征和空间特征,实现了流量异常的实时检测。所提方法首先通过LSTM网络对网络流量异常与否进行二分类,进而通过CNN-LSTM实现网络异常具体类型的判决。所提异常分类模型在KDDCUP99和UNSW-NB15数据集上的准确率分别为97.93%和82.37%比Alex Net模型提高了0.69个百分点和4.89个百分点、平均时间0.45秒。在保障较高的识别分类准确率下,又能够快速的对时序数据进行识别分类。(2)针对以多通道人体表面肌电(Surface electromyographic signals,s EMG)为代表的非平稳、复杂相关模式、大数据量连续型物联网时间序列分类问题,提出了一种基于CNN-Bi LSTM的多通道时空序列联合分类算法。所提方法首先利用多通道CNN提取多通道时序数据的空间关键特征,然后利用Bi LSTM提取多通道拼接后的扩展数据中的相关特征,进而引入注意力机制层实现长距离依赖和跨通道特征的融合,从而实现更加精准的模式分类。实验结果表明,所提出的算法在处理多变量和时空特性的Ninapro DB2和Ninapro DB5数据集上的准确率分别为97.68%和96.78%,比CNN-LSTM模型分别提高2.97个百分点和3.51个百分点。(3)以所提基于CNN-LSTM的流量监测为算法核心,搭建了物联网网络流量实时智能态势感知平台,实现了网络流量实时智能监测。将所提算法部署在自建的物联网服务器上,实现了网络流量的实时抓取、解析和智能分析。实验结果表明,实时部署后,所提算法从恶意流量出现至被成功识别的延时小于0.70秒。验证了所提算法对构建基于网络流量时间序列数据监测的网络安全入侵检测系统具有重要的参考价值。(4)设计了基于arm Cortex-M4微处理器的8通道s EMG采集系统,实现了便携式、低功耗、高质量的s EMG信号采集。所设计系统由干电极、低噪声前置放大器和STM32F407微控制器组成。所提方案将干电极与低噪声前置放大器进行了集成,以降低50Hz干扰,提升信号信噪比。除了前置放大器上的硬件滤波以外,还设计了二阶IIR数字滤波器,分别实现20Hz高通、150Hz低通和50Hz陷波功能,从而进一步增强信号质量。实验结果表明,所实际采集的信号具有较高的信噪比,能够直接被所开发的CNN-Bi LSTM算法有效识别。该原型系统为基于生物电时间序列信号的智能可穿戴物联网系统构建提供了借鉴价值。

关键词：智能物联网时序数据 CNN LSTM