电网动态行为约束下电力状态数据异常检测研究

目前常规的电力状态异常数据检测方法存在检测精度不佳的问题。为了解决这个问题,提出了一种基于电网动态行为约束的电力状态数据异常检测方法。该方法首先分析电网动态行为约束条件,并将源荷数据和运行数据作为提取目标;然后使用插值法对获取到的原始数据进行缺失值填充处理,以确保数据的完整性;接下来,采用灰色关联分析方法对数据之间的关联程度进行分析,以提取关键参量数据;同时,选定聚类中心,并通过判定新输入数据到聚类中心的距离是否高于异常阈值来识别出异常数据。实验结果表明,采用这种方法进行电力数据异常检测时,具备较为理想的检测精度。

基于大数据技术的智慧后勤信息动态加密方法

为了提升信息加密密钥敏感性以及加密加速比,提出基于大数据技术的智慧后勤信息动态加密方法.基于分层规划理念构建智慧后勤信息化系统;使用Logistics超混沌序列重组大数据结构,利用算数密码体制重新编码Logistics序列数据,动态混合加密密文和明文序列;提取结构重组后大数据的关联规则属性量,利用Rossle实现大数据的混沌映射分组加密优化处理;应用Hadoop大数据平台中的MapReduce并行编程模型重排并加密数据序列,将加密后的数据存储至HDFS.实验结果表明,加密信息的密钥敏感性高,平均加密加速比达5.5 s,适用于加密文件内存较大的海量数据.