论文部分内容阅读
随着智能变电站的全面发展,站内设备之间的信息互联,调度主站与子站之间的信息交换,以及其他高级应用访问站内数据信息的需求与日俱增,信息一体化平台基于网络互联技术,为访问站内数据的各种应用提供服务。数据挖掘技术是对变电站内大量的结构化与非结构化数据分析处理的重要方法,主要包括预测分析、关联分析、聚类分析、分类分析、离群点检测等应用。本文以智能变电站信息一体化平台为依托,基于数据挖掘的相关算法,在通信隔离装置入侵检测、智能巡检系统图像数据处理以及安监视频监控中运动目标检测等方面展开研究,主要包括以下几部分内容:1.在改善安全隔离装置入侵检测系统方面,本文提出了一种基于图像不变矩技术的多维数据降维方法对入侵检测数据集进行降维,并利用支持向量机的分类方法完成对降维后入侵数据的分类识别。为保障智能变电站信息化平台的安全可靠运行,提高信息系统防御网络攻击的能力,针对目前变电站信息一体化平台的网络安全隔离装置对Web入侵攻击识别准确率低,数据降维后维度依然较高的问题,本文首先基于几何不变矩提取高维数据的低阶特征量对待检的多维数据进行降维,并利用ART2网络改进的支持向量机分类模型完成入侵行为类型的分类分析。根据林肯实验室的KDD 99数据集进行实验验证,结果表明本模型可以有效提升现有网络安全隔离装置的检测率。2.在变电站智能巡检子系统中,本文提出了一种基于改进分水岭与Krawtchouk不变矩、灰度共生矩阵相结合的变电站设备图像特征量提取方法,并根据HSIM函数,提出了改进的DENCLUE聚类方法完成最终的设备聚类识别。变电站的巡检机器人在执行巡检任务时,由于拍摄位置变动导致采集的现场设备图像内容出现差异。针对传统定点拍摄的图像处理方法不能满足变电站设备图像处理要求的问题,本文首先利用改进的分水岭实现巡检图像中的设备目标分割,然后在分割的基础上利用Krawtchouk不变矩与灰度共生矩阵实现存在遮挡物及仿射变换情况下的特征量提取,最后基于Hsim函数改进的DENCLUE聚类方法完成目标识别,经验证本方法能够对变电站设备图像在仿射变换及遮挡物的影响下对设备有效识别,并能够对图像中的异常目标进行有效地离群点检测,提升设备状态监测的目标识别能力。3.在智能视频监控系统中,本文提出了一种基于改进混合高斯模型的变电站视频中设备运行状态异常的检测方法。目前变电站视频监控设备运行状态时,如遇设备运行异常的情况不能及时告警。运动目标检测方法在智能视频监控应用广泛,当设备出现异常震动情况且目标运动的幅值较小时,传统的识别方法不能有效区分目标物体与更新背景。本文基于时间序列的挖掘方法对原混合模型模型进行修正,对于原算法标记的背景部分像素,记录其运动轨迹,并依此判断其是否为运动目标,为变电站内设备故障监测、智能检修、以及在恶劣天气时设备的运行管理提供理论依据。4.设计并实现了一套智能变电站数据挖掘应用系统,根据本文提出的算法,将分类、聚类、时间序列等数据挖掘技术应用于入侵检测子系统、智能巡检子系统以及智能视频监控子系统中,为后续研究工作提供了一个有效的框架和平台。