检索结果-南通市图书馆

电子设计工程 2024年第14期32卷 91-94,99页

作者：张翠翠卢锐轩孙佳丽洪德华国网安徽省电力有限公司信息通信分公司安徽合肥230061 国网安徽省电力有限公司物资分公司安徽合肥230061

为节约电力时序数据的存储空间,有效实现对电力网络的扩容处理,提出了基于时间窗口聚类的电力时序数据压缩方法。根据时间窗口聚类条件,分别求解时间子序列与窗口子序列条件,从实时存储库中提取电力时序数据样本。定义压缩性能指标,通... 详细信息

为节约电力时序数据的存储空间,有效实现对电力网络的扩容处理,提出了基于时间窗口聚类的电力时序数据压缩方法。根据时间窗口聚类条件,分别求解时间子序列与窗口子序列条件,从实时存储库中提取电力时序数据样本。定义压缩性能指标,通过稀疏变换数据矩阵的方式,实现对电力时序数据的压缩处理。对比实验结果表明,时间窗口聚类模型可将电力时序数据存储空间控制在3.0×10~7bit内,对于节约数据存储空间、实现电力网络的扩容起到了一定的促进性作用。

关键词：时间窗口聚类电力时序数据数据压缩数据矩阵稀疏变换电网扩容

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于回溯搜索的电力时序数据库集群拓展方法

引用

电子设计工程 2024年第12期32卷 96-99,108页

作者：刘文亮郭敬东吴飞何德明林少钧国网福建省电力有限公司福建福州350003

现有的电力时序数据库集群拓展方法拓展响应时间较低,导致集群效率较差,因此基于回溯搜索研究了一种新的电力时序数据库集群拓展方法。通过数据库集群搜索拓扑结构的邻接矩阵,计算电力数据库中关联性较高的数据拓扑结构,直接明确数据搜... 详细信息

现有的电力时序数据库集群拓展方法拓展响应时间较低,导致集群效率较差,因此基于回溯搜索研究了一种新的电力时序数据库集群拓展方法。通过数据库集群搜索拓扑结构的邻接矩阵,计算电力数据库中关联性较高的数据拓扑结构,直接明确数据搜索的目标,缩小数据搜索可确定的范围。针对搜索拓扑内的电力数据,采用回溯搜索算法中的分层回溯原则,为数据库集群内数据搜索行为增加约束条件。根据开关矩阵判断数据节点之间的关系,实现电力时序数据库的集群拓展。实验结果表明,基于回溯搜索的电力时序数据库集群拓展方法的拓展响应时间低于0.5 s,集群效率在98%以上。

关键词：回溯搜索电力时序数据数据库集群集群拓展邻接矩阵

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于变量选择与Transformer模型的中长期电力负荷预测方法

引用

浙江大学学报（理学版） 2024年第4期51卷 483-491,500页

作者：黄文琦梁凌宇王鑫赵翔宇宗珂孙凌云南方电网数字电网研究院有限公司广东广州510663 浙江大学南方电网人工智能创新联合研究中心浙江杭州310058 浙江大学计算机科学与技术学院浙江杭州310027 浙江工业大学计算机科学与技术学院浙江杭州310023

准确且有效的负荷预测对于电力系统的实时运行和调度非常重要。提出了一种融合变量选择与稀疏Transformer模型的预测方法,将静态变量和时序变量作为输入,充分发挥静态变量在全局时间范围内的信息增强作用,基于门控机制设计变量分权组件... 详细信息

准确且有效的负荷预测对于电力系统的实时运行和调度非常重要。提出了一种融合变量选择与稀疏Transformer模型的预测方法,将静态变量和时序变量作为输入,充分发挥静态变量在全局时间范围内的信息增强作用,基于门控机制设计变量分权组件,根据变量与预测结果的相关性,赋予变量不同的权重。设计了双层编码结构,进行时序特征提取,对注意力进行稀疏处理,通过多变量输入对未来时刻负荷进行预测。基于真实电力负荷数据的实验表明,本文模型能够提高中长期负荷预测精度和效率。

关键词：电力时序数据 Transformer 中长期负荷预测多变量变量选择

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度神经网络的边缘电网数据异常检测研究

基于深度神经网络的边缘电网数据异常检测研究

引用

作者：胡志伟重庆邮电大学

学位级别：硕士

近年来,随着电网设备智能化的日益普及,终端设备产生的数据量呈现爆发式增长。然而,面对大规模的电力时序数据,电力用户的窃电行为、设备故障和电网波动等现象将导致电力时序数据中出现异常数据。此外,终端设备上的资源无法满足智能算... 详细信息

近年来,随着电网设备智能化的日益普及,终端设备产生的数据量呈现爆发式增长。然而,面对大规模的电力时序数据,电力用户的窃电行为、设备故障和电网波动等现象将导致电力时序数据中出现异常数据。此外,终端设备上的资源无法满足智能算法的需求。因此,如何有效地检测出海量电力时序数据中隐含的异常数据,并运用智能算法就近处理边缘电力时序数据,已经成为当前学术界研究的热点。面对上述问题,本文提出基于时间序列有向水平可视图算法与图卷积神经网络模型相结合的电力时序数据异常检测方法和面向边缘异常检测的图卷积神经网络模型分割算法,最终实现了对边缘电力时序数据的异常检测。本文主要的研究工作包括:1.针对电力系统中电力时序数据隐含的异常数据,本文提出了一种基于时间序列有向水平可视图算法与图卷积神经网络模型相结合的电力时序数据异常检测方法。首先,该方法运用时间序列有向水平可视图算法将电力时序数据处理成图数据。然后,构建出图卷积神经网络模型。最后,利用构建的图卷积神经网络模型对处理后的图数据进行检测。实验结果表明图卷积神经网络模型具有比其他模型有更好地分类性能以及异常检测能力,为实现边缘电力时序数据异常检测提供了坚实的支撑。2.针对电力系统边缘侧的终端设备资源闲置以及云计算中心负载严重等问题,本文提出了一种面向边缘异常检测的图卷积神经网络模型分割算法,进一步设计出基于边缘服务器与终端设备协同推理的图卷积神经网络模型分割框架。通过离线训练与在线协同推理两个阶段实现边缘异常检测。本文对提出的面向边缘异常检测的图卷积神经网络模型分割算法进行验证,实验结果表明面向边缘异常检测的图卷积神经网络模型分割算法在边缘电力时序数据中具有较好的异常检测效果。本文使用图数据集和电力时序数据集来验证所提出的方法。通过上述两种方法解决了电力系统中电力时序数据隐含的异常数据和电力系统边缘侧的终端设备资源闲置以及云计算中心负载严重等问题,证明了这两种方法的可行性和有效性。

关键词：电力时序数据异常检测图卷积神经网络模型分割

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：