改进的基于移动小波树的数据流异常检测方法

针对移动小波树数据流异常检测算法的不足,提出了一种改进的移动小波树异常检测方法,利用比率阈值去除颠簸数据的干扰,提高了检测精度;利用二分查找检测算法,提高了检测的效率;结合实时增量更新算法满足了数据流在线处理的要求;改进了阈值设定方法,可实现双边异常检测。用射线数据和电能质量扰动数据进行仿真实验,结果验证了方法的有效性。

基于移动小波树的电力监控异常数据自动识别算法研究

为保证电力系统正常运行,以防出现窃电、漏电等异常用电情况,进行电力监控异常数据自动识别具有重要的现实意义。针对基于数据挖掘、机器学习以及统计的3种数据异常识别算法无法应对不同长度的数据,导致识别准确性、效率较低的问题,提出一种基于移动小波树的电力监控异常数据自动识别算法。该算法分为两部分内容:先是对采集到的用电数据进行处理,包括数据脱敏、数据填补、颠簸去除等步骤,提高数据质量,后构建移动小波树结构,实现异常数据自动识别。结果表明:与基于数据挖掘、机器学习以及统计的三种数据异常识别算法相比,所提算法的准确性和效率均较高,解决了传统算法存在的问题。

基于移动小波树的电力线路缺陷远程检测系统设计

无人机飞行巡逻检测系统受外界环境影响,信号衰减趋势与实际情况不一致,导致数据丢包率较高,为此提出基于移动小波树的电力线路缺陷远程检测系统设计。使用STM32F103ZE主控芯片的现场转发器,传递电流、温度数据给上位机。利用GTM900-C芯片设计GPRS通信模块,将信息发送到指定号码。使用无人机采集子系统,采集电力线路缺陷数据。通过地面站控制子系统,识别输电线路存在的问题。依据电力线程缺陷远程检测程序,建立移动小波树数据结构,批量更新数据。针对不同数据流长度进行聚集计算,直到发现异常位置为止。由实验结果可知,该系统检测到的信号衰减趋势与实际情况一致,最高丢包率为0.95%,对无人机飞行巡逻检测具有重要意义。