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
1
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LOF-GMM方法的电网异常数据动态辨识及分析
1
作者
张懿操
陆俊
+1 位作者
洪德华
吴禹
《电气自动化》
2024年第4期66-68,共3页
为了进一步提高电网异常数据动态辨识精度,结合高斯混合模型,并利用邻域局部异常因子来确定此点是否属于异常数据,设计了一种基于邻域局部异常因子-高斯混合模型聚类方法的电网异常数据动态辨识方法。研究结果表明:设计的邻域局部异常因...
为了进一步提高电网异常数据动态辨识精度,结合高斯混合模型,并利用邻域局部异常因子来确定此点是否属于异常数据,设计了一种基于邻域局部异常因子-高斯混合模型聚类方法的电网异常数据动态辨识方法。研究结果表明:设计的邻域局部异常因子-高斯混合模型聚类算法满足了配电网大数据一体化动态清洗过程需要,获得更高精度的负荷预测结果,有助于大幅增强配电网的响应能力。设计的方法实现了缺失数据填补精度与速度平衡,具有较好工程应用价值。
展开更多
关键词
配电网
数据清洗
异常数据辨识
高斯混合模型
随机森林
下载PDF
职称材料
题名
基于LOF-GMM方法的电网异常数据动态辨识及分析
1
作者
张懿操
陆俊
洪德华
吴禹
机构
国网
安徽省
电
力
有限公司
信息
通信
分公司
国网电科院有限公司信息系统集成分公司
出处
《电气自动化》
2024年第4期66-68,共3页
文摘
为了进一步提高电网异常数据动态辨识精度,结合高斯混合模型,并利用邻域局部异常因子来确定此点是否属于异常数据,设计了一种基于邻域局部异常因子-高斯混合模型聚类方法的电网异常数据动态辨识方法。研究结果表明:设计的邻域局部异常因子-高斯混合模型聚类算法满足了配电网大数据一体化动态清洗过程需要,获得更高精度的负荷预测结果,有助于大幅增强配电网的响应能力。设计的方法实现了缺失数据填补精度与速度平衡,具有较好工程应用价值。
关键词
配电网
数据清洗
异常数据辨识
高斯混合模型
随机森林
Keywords
distribution network
data cleaning
abnormal data identification
gaussian mixture model
random forest
分类号
TM16 [电气工程—电工理论与新技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于LOF-GMM方法的电网异常数据动态辨识及分析
张懿操
陆俊
洪德华
吴禹
《电气自动化》
2024
0
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