基于混沌关联维特征的电能表计量多维数据聚类方法

针对传统电能计量多维数据的聚类分析算法存在的计算过程复杂、效率低下、系统耗能高等问题,设计出一套适用的解决方案。该方案基于大数据平台进行计算存储,通过混沌关联维聚类分析方法对电能计量数据进行多维分析。该方法吸收了传统大数据聚类算法和混沌特征提取的优点,通过选取交互信息量的第一个最小值作为最佳时间延迟,采用虚假最近邻点算法选择最佳的嵌入维数u重构相空间。然后基于相空间重构提取出混沌关联维特征,并糅合聚类算法对电能计量多维数据进行聚类。实验证明,本研究的混沌关联维聚类分析法效率高、过程简单且能耗低。

基于相空间重构改进算法的混沌奇异谱分析及应用

针对混沌奇异谱分析嵌入维数和延迟时间不确定性问题,提出相空间重构的改进算法。利用补充准则E_(2)(m)进行联合判断,同时对Cao算法进行了改进,给出了一种改进的嵌入维数的稳定性准则。嵌入维数利用改进的Cao算法,能够快速准确地确定嵌入维数m的值,具有准确性和高效性;用基于符号分析的极大联合熵求取延迟时间的方法,减少计算量和误差。通过数值验证对比实验验证了该方法的优越性。将该方法在滚动轴承早期故障识别中应用,结果表明:混沌奇异谱可以清楚看出不同故障信号的图形分布,实现对机械故障信号的特征提取。为机械故障早期诊断提供一种新的有效途径。

大数据分析模型的输变电设备智能运维研究

为了提高电力系统的工作效率,提高设备的状态监测、故障预防和风险评估能力,在大数据分析技术的基础上,构建出输变电设备智能运维监测系统的方案。该方案通过Hadoop模型搭建平台,以分布式展开,充分利用数据集进行高速运算和存储。应用MapReduce编程与新兴的哈希数据存储算法,提升数据运行和计算的效率,比寻常数据分析方法快将近25%。

分析输变电设备智能化关键技术及发展趋势

为了提高电力系统的工作效率和设备状态监测、故障预防和风险评估能力,构建了基于大数据分析技术的输变电设备智能运维监控系统方案。该方案通过分布式的Hadoop模型搭建平台,充分利用数据集进行高速运算和存储。应用MapReduce编程和新的哈希数据存储算法,提高数据运算和计算效率,比普通数据分析方法快近25%。