没有合适的资源?快使用搜索试试~ 我知道了~
首页混合智能算法提升电力大数据异常预测效率与可靠性
混合智能算法提升电力大数据异常预测效率与可靠性
2 下载量 34 浏览量
更新于2024-08-30
1
收藏 1.61MB PDF 举报
本文主要探讨了混合智能算法在电力大数据异常预测中的应用。随着电力系统的现代化发展,电力运行数据的增长速度日益惊人,传统的日志处理与分析系统已经难以应对这种数据爆炸式增长的挑战。针对这一问题,研究人员提出了一个创新的方法,即开发了一种适用于时间序列预测的混合智能算法。 混合智能算法的核心在于其采用了权重加权线性组合的方法,通过动态调整各独立算法的预测权重,确保在每次预测过程中都能分配到最优的权重。这种策略使得算法能够在处理大量电力系统日志数据时,保持高效且精确的异常分析能力。这种方法的关键优势在于它能够适应不断变化的数据特征,并结合多种预测模型的优点,从而提高预测的准确性。 在实验部分,研究者将混合智能算法应用于电力系统日志数据分析中,并利用传统的 time series 预测评价模型对其性能进行了评估。结果表明,与传统方法相比,混合智能算法在异常预测方面表现出更高的准确性,证明了其在电力大数据环境下的优越性。此外,算法的使用显著提升了电力大数据异常预测的可靠性,对于电力系统的稳定运行和故障预防具有实际价值。 总结来说,这篇论文的主要贡献在于提出了一种混合智能算法,解决了电力大数据时代下异常预测面临的挑战,为电力系统的智能化运维提供了新的解决方案。该研究不仅有助于提升电力系统的运营效率,也为其他领域的数据密集型问题提供了启示,尤其是在实时监控和预测方面。通过混合智能算法,电力行业可以更好地应对海量数据带来的复杂性,从而实现更为精细化和精准化的管理。
资源详情
资源推荐
电子设计工程
Electronic Design Engineering
第 28卷
Vol.28
第 19期
No.19
2020年 10月
Oct. 2020
收稿日期:2020-01-02 稿件编号:202001018
基金项目:国家电网科技项目(16ER63857)
作者简介:李子乾(1984—),男,天津人,高级工程师。研究方向:电网信息化建设与运行管理。
电力系统的异常预测主要采用两种方式实现:
一种 是基 于系 统历 史异常数据,采用 数据 分类 、数
据分析和数据挖掘等人工智能算法,建立系统历史
异常、当前运行状态与未来潜在异常情况之间的关
系,实现 对电 力系统异常的预 测
[1- 2]
;另一种方式是
基于 对系统 运行 状态的 实时 监测 。根据 系统 常规
的电 气参数 及表 征各电 力设 备当 前运行 状态 的特
征参量变化,对系统局部及整体的运行状态做出判
断,实现当前系统异 常的 监测 ,同时预 测未 来系 统
故障 的发 生
[3- 4]
。在 电力 系统运行状态信 息呈 爆炸
性增长的大环境下,这两种预测方式必须依赖大规
模的数据处理平台才可以发挥其应有的效用
[5]
。
随着国家电网“泛在电力物联网”概念的广泛推
行,大数据已逐渐渗透到电力系统的各个环节,传统
的电力系统日志分析技术已无法满足海量的电力设
混合智能算法在电力大数据异常预测中的应用
李子乾,安业腾,徐李阳,杨自兴
(国家电网有限公司 客户服务中心,天津 300309)
摘要:针对传统电力系统运行日志处理与分析系统已无法满足电力系统运行状态数据呈爆炸性增
长的现状。为了实现在电力大数据背景下高效、准确地处理日志数据并进行异常分析,文中提出
了一种用于时间序列预测的混合智能算法。该算法采用权重加权线性组合的方法更新各独立算
法的预测权重,使混合智能算法在每一步的预测过程中均能保证最优预测权重的分配。将该算法
应用到电力系统日志数据分析中,采用传统的时间序列预测评价模型对混合智能算法性能进行评
价,验证了该算法具有更优的准确性,混合智能算法能够显著提高电力大数据异常预测的可靠性。
关键词:混合智能算法;电力大数据;异常预测;日志分析;时间序列
中图分类号:TP311.13 文献标识码:A 文章编号:1674-6236(2020)19-0049-04
DOI:10.14022/j.issn1674-6236.2020.19.011
Application of hybrid intelligent algorithm in abnormal prediction of electric power
big data
LI Zi⁃qian,AN Ye⁃teng,XU Li⁃yang,YANG Zi⁃xing
(Customer Service Center,State Grid Corporation of China,Tianjin 300309,China)
Abstract: In view of the traditional power system operation log processing and analysis system has been
unable to meet the explosive growth of power system operation state data. In order to deal with the log data
efficiently and accurately under the background of power big data and analyze the anomalies,a hybrid
intelligent algorithm for time series prediction is proposed. In this algorithm,the weight weighted linear
combination method is used to update the prediction weight of each independent algorithm,so that the
hybrid intelligent algorithm can ensure the optimal prediction weight distribution in each step of the
prediction process. The algorithm is applied to the log data analysis of power system. The traditional time
series prediction and evaluation model is used to evaluate the performance of the hybrid intelligent
algorithm,which proves that the algorithm has better accuracy. The hybrid intelligent algorithm can
significantly improve the reliability of big data anomaly prediction.
Keywords: hybrid intelligent algorithms;power big data;anomaly prediction;log analysis;time series
-- 49
下载后可阅读完整内容,剩余4页未读,立即下载
weixin_38564598
- 粉丝: 2
- 资源: 907
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 社交媒体营销激励优化策略研究
- 终端信息查看工具:qt框架下的输出强制抓取
- MinGW Win32 C/C++ 开发环境压缩包快速入门指南
- STC8G1K08 PWM模块实现10K频率及易改占空比波形输出
- MSP432电机驱动编码器测路程方法解析
- 实现动静分离案例的css/js/img文件指南
- 爱心代码五种:高效编程的精选技巧
- MATLAB实现广义互相关时延估计GCC的多种加权方法
- Hive CDH Jar包下载:免费获取Hive JDBC驱动
- STC8G单片机实现EEPROM及MODBUS-RTU协议
- Java集合框架面试题精讲
- Unity游戏设计与开发资源全集
- 探索音乐盒.zip背后的神秘世界
- Matlab自相干算法GUI界面设计及仿真
- STM32智能小车PID算法实现资料
- Python爬虫实战:高效爬取百度贴吧信息
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功