基于EMD方法的时间序列分层相似性匹配算法

时间序列数据挖掘是时态数据挖掘的一个重要方面,针对金融时间序列非稳定、非线性的特点,使用EMD方法进行序列趋势的提取,得到了原始时间序列的长期趋势。在此基础上提出了子序列分层匹配算法,首先进行时间序列趋势的粗匹配,在结果集中进一步进行细节匹配,与传统方法相比,提高了相似性匹配的效率,减少了结果集的冗余。

基于大数据的输电线路故障预警模型设计

发展输电线路远程故障诊断是建设智能电网的重点内容。针对输电线路的上传数据单一、数量多、利用率低等问题,基于背景平台提供的大数据处理集群技术,以朴素贝叶斯算法结合时间序列相似性故障匹配建立输电线路故障预警模型。模型采用采集到的相关电气量、开关量、事件顺序信息、电网拓扑等数据以及输电线路故障过程中故障录波装置所获取的数据,采用朴素贝叶斯算法挖掘潜在故障发生因素(即故障因子)的发生指数,随后结合时间序列相似性故障匹配对输电线路进行故障预警。案例分析表明,所构建的模型能较好地挖掘出故障因子,预测结果较好。