【摘 要】
：
针对智能电表在应用过程中出现的数据异常问题,通过定义为超出各负荷正常使用模式的任何异常用电实例或趋势,设计了基于负载、上下文和环境等不同类型的特征来构建数据驱动模
【机 构】
：
国网安徽省电力有限公司营销服务中心 合肥230088
论文部分内容阅读
针对智能电表在应用过程中出现的数据异常问题,通过定义为超出各负荷正常使用模式的任何异常用电实例或趋势,设计了基于负载、上下文和环境等不同类型的特征来构建数据驱动模型,评估了基于回归、基于神经网络、基于聚类和基于投影的4种不同的无监督学习方法在实际智能电表数据异常检测中的性能.结果表明,不同的异常检测方法对不同类型的异常具有不同的检测能力,其性能取决于用于训练该方法的特征集.因此,对于每种异常检测方法,都要仔细检查不同类型的特征.
其他文献
利用遥感图像对海面上舰船进行监控已成为目前研究的热点,为了解决传统舰船检测需人工选择特征、耗时耗力、原始YOLO算法对密集分布小目标检测精度不高的缺陷,提出了一种基于YOLOv5的遥感图像舰船检测方法,使用Kaggle平台提供的遥感数据集,在Pytorch框架上训练,损失函数设计为CIOU_LOSS,目标框的选择使用DIOU_NMS算法,使被遮挡、重叠的目标检测效果增强。经实验对比,此目标检测模型
巡检机器人在人员视觉检测中,人员位置呈现高动态特点。针对近距离下机器人只能捕捉到人体的局部信息导致被动视觉检测效率低下的情况,提出了一种基于深度强化学习的主动视觉方法。该方法使用深度卷积网络提取图像特征,利用强化学习策略训练动作决策网络控制云台相机转动。实验结果表明,该算法可使机器人根据图像中出现的人体局部信息转动云台相机实现人脸主动搜索,突破了传统方法被动式检测的局限性,提高了视觉检测算法在机器
在带钢表面缺陷自动化检测过程中,由于摄像机本身以及摄像环境的影响,会导致获取的图像出现不均匀的亮度,这对后续的缺陷图像分割和识别有较大的影响。基于此,提出了一种基于改进同态滤波的亮度不均匀校正方法,结合带钢表面缺陷特点对滤波器的截止频率进行重新选择,针对带钢图像的高低频分量采用不同的滤波函数分别进行处理,再用处理后的高低频分量重构得到亮度校正后的图像。实验结果表明,本文改进同态滤波亮度校正后的图像
针对目标位于阵列天线近场情况下的方向图综合问题,提出了一种基于成功父代选择框架下改进差分进化(SPS-JADE)算法的近场方向图综合方法.在对近场方向图时延参数表达式以及方
为了使三维(3D)重建适用于多种目标形状,并提高处理速度,提出一种基于机器学习的3D重建方法,重点解决"下一个最优视点"(NBV)规划问题。首先,给出NBV的定义和计算,建立离散NBV搜索空间;然后,生成NBV,同时对该空间进行迭代式重建。此外,为了处理NBV的学习问题,提出一个基于3D卷积神经网络的分类方法,将可能的传感器位姿考虑为一个分类问题。实验结果表明,所提方法的重建精度优于VoxNet网
为了解决通信电路中“信号反射”的问题,提出了一种无反射陷波电路,用于“吸收”通信电路中特定频点处的微波信号。通过级联无反射陷波电路改善了现有吸收式滤波器的阻带抑制与吸收效率。采用砷化镓IPD工艺对电路进行版图设计,最终得到的器件版图尺寸仅有800μm×500μm×87.71μm,1500μm×500μm×87.71μm。版图仿真结果表明,基于砷化镓IPD工艺设计的无反射陷波滤波器能够有效吸收特定频率的微波信号,滤波器回波损耗始终大于12.5 dB,平均吸收效率达到90%以上。改进后的无反射低通滤波器,在D
针对网络控制系统存在时延和丢包导致系统性能下降的问题,提出一种新的时延和丢包补偿方法。首先建立具有时延的网络控制系统空间模型,通过线性转换,将有时延的网络控制系统转化为无时延系统,并采用自回归算法对时延进行在线预测,然后给出一种改进趋近律的滑模控制器对时延进行补偿,采用具有逻辑判断功能的零阶保持器改善丢包问题。该方法在预测时延方面具有较好的实时性,在处理丢包问题方面有较好的系统稳定性和鲁棒性。通过Truetime平台仿真结果表明,该方法对网络时延和丢包有较好的补偿作用。
运用同步流形的局部指数稳定性理论、不动点理论,讨论了Kuramoto振子模型的频率同步问题。首先,通过重新定义振子频率同步和频率锁相,给出了一个使系统达到频率同步的充分条件。其次,将结果和奇异摄动方法得到的结果进行对比,发现在一定条件下惯性项对系统频率同步的影响不明显。最后,数值模拟进一步验证了所给充分条件的有效性和正确性。
针对现有的污染物浓度预测方法大多没有兼顾气象数据的时间和空间特征,导致预测精度大打折扣的问题,提出一种能够同时提取过程数据时间和空间特征的时空混合预测方法GPR-EN。首先,利用弹性网算法(EN)全面分析样本点和目标点的空间关联性,并进行时空数据重构,为预测模型提供最优的变量输入。其次,借助于高斯回归模型(GPR)的强泛化能力,能够有效地处理时空数据的复杂非线性特性,更加全面地刻画了历史数据的时空依赖性。最后,在AQI数据集和空气SO2浓度数据集上进行仿真实验,实验结果表明所提方法比
针对传统相关滤波算法进行改进,以提高算法在目标发生尺度变化、遮挡形变等复杂场景时的跟踪性能,提出一种融合尺度自适应和重检测机制的鲁棒性能的跟踪算法。该算法在融合FHOG和CN两种互补特征基础上,引入一种尺度自适应策略解决了尺度变化的问题,此外还进一步优化了模型更新策略并加入重检测机制,增强算法鲁棒性能。通过OTB100数据集测试结果表明,所提出算法相对于KCF算法精确度和成功率分别提升4.9%和1