期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于神经网络的高比例异常数据识别仿真
1
作者
杨青
钟爽
《计算机仿真》
北大核心
2023年第10期487-490,495,共5页
针对因高比例异常数据的特征种类较多且存在状态转移特性,导致识别误差大的问题,提出一种基于神经网络的高比例异常数据识别算法。根据相邻数据集间具有时间和空间相关性特点,建立数据基础状态映射序列,计算数据样本在不同空间、不同时...
针对因高比例异常数据的特征种类较多且存在状态转移特性,导致识别误差大的问题,提出一种基于神经网络的高比例异常数据识别算法。根据相邻数据集间具有时间和空间相关性特点,建立数据基础状态映射序列,计算数据样本在不同空间、不同时间点上的初始状态和结束状态,以及上一时刻和当下一时刻的数据空间和时间所属状态,根据前后变化对比得到状态转移概率,计算提取数据在不同时间点的具体特征。采用神经网络建立高比例异常数据识别模型,对待识别样本标准化处理,定义标准样本并提取特征因子,求解样本集中所有数据与标准样本的隶属度,存在正向相关关系为正常样本,反向则为异常数据样本,通过阈值对比实现高比例异常数据的有效识别。实验结果表明,所提算法识别精准度较高,误差率较低,具有一定的实用价值。
展开更多
关键词
神经网络
高比例异常数据
状态转移概率
映射序列
特征因子
下载PDF
职称材料
基于Copula理论的光伏功率高比例异常数据机器识别算法
被引量:
18
2
作者
龚莺飞
鲁宗相
+2 位作者
乔颖
王强
曹欣
《电力系统自动化》
EI
CSCD
北大核心
2016年第9期16-22,55,共8页
目前很多在运光伏电站由于通信故障、设备异常、人为限电等问题导致功率实测数据含高比例异常数据,极大阻碍了电站性能分析和功率数据的深化应用。基于Copula函数建立了描述辐照度与光伏功率间相关关系的概率功率曲线模型,进而针对光伏...
目前很多在运光伏电站由于通信故障、设备异常、人为限电等问题导致功率实测数据含高比例异常数据,极大阻碍了电站性能分析和功率数据的深化应用。基于Copula函数建立了描述辐照度与光伏功率间相关关系的概率功率曲线模型,进而针对光伏实测数据分散度、随机性强,异常数据比例高的特点,结合工程经验归纳了三类典型异常数据特征并提出了相应的异常数据机器识别模型。利用实测光伏电站数据和人工生成数据集进行仿真分析表明,采用该异常数据机器识别模型能适应高比例异常数据条件,有效识别各种类型异常数据,具有比常规3-sigma识别法更好的适应性和识别率。
展开更多
关键词
光伏功率
高比例异常数据
概率功率曲线
COPULA理论
机器识别
下载PDF
职称材料
题名
基于神经网络的高比例异常数据识别仿真
1
作者
杨青
钟爽
机构
西南交通大学希望学院
西南交通大学
出处
《计算机仿真》
北大核心
2023年第10期487-490,495,共5页
文摘
针对因高比例异常数据的特征种类较多且存在状态转移特性,导致识别误差大的问题,提出一种基于神经网络的高比例异常数据识别算法。根据相邻数据集间具有时间和空间相关性特点,建立数据基础状态映射序列,计算数据样本在不同空间、不同时间点上的初始状态和结束状态,以及上一时刻和当下一时刻的数据空间和时间所属状态,根据前后变化对比得到状态转移概率,计算提取数据在不同时间点的具体特征。采用神经网络建立高比例异常数据识别模型,对待识别样本标准化处理,定义标准样本并提取特征因子,求解样本集中所有数据与标准样本的隶属度,存在正向相关关系为正常样本,反向则为异常数据样本,通过阈值对比实现高比例异常数据的有效识别。实验结果表明,所提算法识别精准度较高,误差率较低,具有一定的实用价值。
关键词
神经网络
高比例异常数据
状态转移概率
映射序列
特征因子
Keywords
Neural network
High percentage of abnormal data
State transition probability
Mapping sequence
Characteristic factor
分类号
TP256 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于Copula理论的光伏功率高比例异常数据机器识别算法
被引量:
18
2
作者
龚莺飞
鲁宗相
乔颖
王强
曹欣
机构
清华大学
清华大学电机工程与应用电子技术系
国网河北省电力公司
出处
《电力系统自动化》
EI
CSCD
北大核心
2016年第9期16-22,55,共8页
基金
国家科技支撑计划资助项目(2013BAA01B03)
国网河北省电力公司项目(SGHB0000DJK1400084)
文摘
目前很多在运光伏电站由于通信故障、设备异常、人为限电等问题导致功率实测数据含高比例异常数据,极大阻碍了电站性能分析和功率数据的深化应用。基于Copula函数建立了描述辐照度与光伏功率间相关关系的概率功率曲线模型,进而针对光伏实测数据分散度、随机性强,异常数据比例高的特点,结合工程经验归纳了三类典型异常数据特征并提出了相应的异常数据机器识别模型。利用实测光伏电站数据和人工生成数据集进行仿真分析表明,采用该异常数据机器识别模型能适应高比例异常数据条件,有效识别各种类型异常数据,具有比常规3-sigma识别法更好的适应性和识别率。
关键词
光伏功率
高比例异常数据
概率功率曲线
COPULA理论
机器识别
Keywords
photovoltaic power
high proportion of outliers
probabilistic power curve
Copula theory
machine identification
分类号
TM615 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于神经网络的高比例异常数据识别仿真
杨青
钟爽
《计算机仿真》
北大核心
2023
0
下载PDF
职称材料
2
基于Copula理论的光伏功率高比例异常数据机器识别算法
龚莺飞
鲁宗相
乔颖
王强
曹欣
《电力系统自动化》
EI
CSCD
北大核心
2016
18
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部