CN106997391B - 一种快速筛选大规模过程数据中的稳态工况数据的方法 - Google Patents

一种快速筛选大规模过程数据中的稳态工况数据的方法 Download PDF

Info

Publication number
CN106997391B
CN106997391B CN201710227451.2A CN201710227451A CN106997391B CN 106997391 B CN106997391 B CN 106997391B CN 201710227451 A CN201710227451 A CN 201710227451A CN 106997391 B CN106997391 B CN 106997391B
Authority
CN
China
Prior art keywords
data
sliding window
steady
state
standard deviation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201710227451.2A
Other languages
English (en)
Other versions
CN106997391A (zh
Inventor
董泽
尹二新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN201710227451.2A priority Critical patent/CN106997391B/zh
Publication of CN106997391A publication Critical patent/CN106997391A/zh
Application granted granted Critical
Publication of CN106997391B publication Critical patent/CN106997391B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Complex Calculations (AREA)

Abstract

本发明公开了一种快速筛选大规模过程数据中的稳态工况数据的方法，包括：A、稳态数据筛选的初始化处理；B、滑动窗口由数据起点向终点移动，每移动一次，会有一个新数据点进入滑动窗口，同时将原滑动窗口内数据的起始点舍弃，计算新的滑动窗口内数据的均值和标准差；C、将所述新的滑动窗口内所含n个数据的标准差与标准差阈值δy进行比较，根据比较结果进行对应的筛选操作；D、对所选稳态数据段两端的数据进行剔除，提高数据稳态值的计算准确度。本发明能够改进现有技术的不足，提高了大规模过程数据的筛选速度。

Description

一种快速筛选大规模过程数据中的稳态工况数据的方法
技术领域
本发明涉及过程数据挖掘技术领域，尤其是一种快速筛选大规模过程数据中的稳态工况数据的方法。
背景技术
在过程数据模型辨识、系统稳定工况的参数判定等过程中，都需要应用过程数据中的稳态工况数据，对于大量的过程数据而言，人工筛选耗时费力。滑动窗口是一种通用性的数据统计处理方法，即通过一个固定长度的窗口对数据进行遍历处理。例如中国发明专利CN 103679218 B公开的一种手写体关键词检测方法，通过使用滑动窗口对待检测文本图像的特征点进行提取，进而与关键词特征库对比。但是现有技术中所使用的滑动窗口方法由于处理方法复杂，无法适应大数据量的快速处理。
发明内容
本发明要解决的技术问题是提供一种快速筛选大规模过程数据中的稳态工况数据的方法，能够解决现有技术的不足，提高了大规模过程数据的筛选速度。
为解决上述技术问题，本发明所采取的技术方案如下。
一种快速筛选大规模过程数据中的稳态工况数据的方法，包括以下步骤：
A、稳态数据筛选的初始化处理，
对需要进行稳态工况数据筛选的数据段进行数据滤波，
选取长度为n的存储空间作为滑动窗口，所述存储空间为判断所述过程数据段稳定的最小单元，其中n表示所述滑动窗口中包含数据的个数，
根据包含n个数据的滑动窗口中的单个数据允许偏差值α，计算所述滑动窗口中n个数据的标准偏差的阈值δy；
计算数据段起始位置的n个数据的均值，作为滑动窗口均值的初值
Figure BSA0000142919250000021
计算数据段起始位置的n个数据的标准差，作为滑动窗口标准差的初值σ1
B、滑动窗口由数据起点向终点移动，每移动一次，会有一个新数据点进入滑动窗口，同时将原滑动窗口内数据的起始点舍弃，计算新的滑动窗口内数据的均值和标准差；
C、将所述新的滑动窗口内所含n个数据的标准差与标准差阈值δy进行比较，若其小于所述标准差阈值δy，则将新加入的数据计入稳态数据；若其大于所述标准差阈值δy，对于新的滑动窗口，则新的滑动窗口内所含第n个数据赋0；若对于初始的滑动窗口其标准差大于所述标准差阈值δy，则初始的滑动窗口内所含n个数据全部赋0；设需要进行筛选的原始数据长度为N，则直至所述滑动窗口的起点移动至N-n+1后，筛选过程结束；
D、对所选稳态数据段两端的数据进行剔除，提高数据稳态值的计算准确度。
作为优选，步骤A中，标准差的阈值δy的计算方法为，
Figure BSA0000142919250000022
作为优选，步骤A中，滑动窗口均值的初值
Figure BSA0000142919250000026
的计算方法为，
Figure BSA0000142919250000023
作为优选，：步骤A中，滑动窗口标准差的初值σ1的计算方法为，
Figure BSA0000142919250000024
Figure BSA0000142919250000025
其中，diff1为初始时刻的方差。
作为优选，步骤B中，新的滑动窗口内数据均值的计算方法为，
设此时滑动窗口起点所处位置为k，此时窗口内数据的均值为
Figure BSA0000142919250000031
则有当滑动窗口移动至k+1时刻时，新的滑动窗口内n个数据的均值为，
Figure BSA0000142919250000032
作为优选，步骤B中，新的滑动窗口内数据标准差的计算方法为，
k时刻的方差diff值为，
Figure BSA0000142919250000033
则有对公式(6)进行展开可得如下公式，
Figure BSA0000142919250000034
同理，当滑动窗口移动至k+1时刻时，有如下公式，
Figure BSA0000142919250000035
比较公式(7)与公式(8)可得，
Figure BSA0000142919250000041
将公式(3)所得方差diff1的值带入公式(9)，得到方差diffk+1，从而得到k+1时刻的滑动窗口内的数据标准差σk+1，
Figure BSA0000142919250000042
作为优选，步骤C中，稳态数据具体遵循以下原则进行数据存储：
当滑动窗口由k＝1开始，逐步移动到k＝N-n+1，需要进行筛选的原始数据长度为N；
1)当k＝1时，对应滑动窗口的数据为y(1)到y(n)，对n个数据按如下方法进行处理：
当σ1＜δy时，
Figure BSA0000142919250000043
当σ1＞δy时，
Figure BSA0000142919250000044
其中，ste表示用于稳态数据存储的稳态数据段，ste(n)表示稳态数据段ste中的第n个；
2)当k＞1时，对应滑动窗口数据为y(k)到y(k+n-1)，对n个数据按如下方法进行处理：
当σk＜δy且ste(k-1)＝0时，
Figure BSA0000142919250000051
当σk＜δv且ste(k-1)≠0时，ste(k+n-1)＝y(k+n-1) (14)
当σk＞δy时，ste(k+n-1)＝0 (15)；
所述滑动窗口每次移动经过以上两步判断后，最终将所有满足要求的稳态数据存储到稳态数据段ste中。
作为优选，步骤D中，设稳态数据段的起始位置为p，结束位置为q，采用滑动窗口移动的方法，具体剔除过程为，
1)计算起点在p点和q-n+1点处滑动窗口内n个数据的均值为：
Figure BSA0000142919250000052
Figure BSA0000142919250000053
其中，
Figure BSA0000142919250000054
表示稳态数据段中起点在p点处滑动窗口内n个数据的均值；
Figure BSA0000142919250000055
表示稳态数据段中起点在q-n+1点处滑动窗口内n个数据的均值；
2)设滑动窗口移动过程中，相邻滑动窗口间允许的滑动窗口内数据均值的最大变化量为
Figure BSA0000142919250000061
滑动窗口由p点开始移动，计算滑动窗口内的数据均值的方法为，
Figure BSA0000142919250000062
对公式(21)计算得到的数据均值进行比较判断：
当
Figure BSA0000142919250000063
时，ste(p+k-1)＝0 (18)
当
Figure BSA0000142919250000064
时，则结束，滑动窗口不再移动；
3)滑动窗口由q点反向移动，计算滑动窗口内的数据均值的方法为，
Figure BSA0000142919250000065
对公式(19)计算得到的数据均值进行比较判断：
当
Figure BSA0000142919250000066
时，ste(q-k)＝0 (20)
当
Figure BSA0000142919250000067
时，则结束，滑动窗口不再移动。
采用上述技术方案所带来的有益效果在于：本方法针对数据处理量很大时，由于计算量很大，筛选过程会变慢的问题进行设计，改进了大量数据串行处理过程的计算方法，降低了数据处理的计算量，从而使得该筛选方法在处理大量过程数据时同样具有很快的筛选速度。
附图说明
图1为稳态数据筛选过程示意图。
图2为稳态数据筛选结果。
图3为剔除稳态数据段两端部分数据后的筛选结果。
其中，矩形框表示滑动窗口。
具体实施方式
实施例1
一种快速筛选大规模过程数据中的稳态工况数据的方法，包括以下步骤：
A、稳态数据筛选的初始化处理，
对需要进行稳态工况数据筛选的数据段进行数据滤波，
根据选取数据的用途选取长度为n的存储空间作为滑动窗口，所述存储空间为判断所述过程数据段稳定的最小单元，其中n表示所述滑动窗口中包含数据的个数，
根据包含n个数据的滑动窗口中的单个数据允许偏差值α，计算所述滑动窗口中n个数据的标准偏差的阈值δy；
计算数据段起始位置的n个数据的均值，作为滑动窗口均值的初值
Figure BSA0000142919250000071
计算数据段起始位置的n个数据的标准差，作为滑动窗口标准差的初值σ1
B、滑动窗口由数据起点向终点移动，每移动一次，会有一个新数据点进入滑动窗口，同时将原滑动窗口内数据的起始点舍弃，计算新的滑动窗口内数据的均值和标准差；
C、将所述新的滑动窗口内所含n个数据的标准差与标准差阈值δy进行比较，若其小于所述标准差阈值δy，则将新加入的数据计入稳态数据；若其大于所述标准差阈值δy，对于新的滑动窗口，则新的滑动窗口内所含第n个数据赋0；若对于初始的滑动窗口其标准差大于所述标准差阈值δv，则初始的滑动窗口内所含n个数据全部赋0；设需要进行筛选的原始数据长度为N，则直至所述滑动窗口的起点移动至N-n+1后，筛选过程结束；
D、对所选稳态数据段两端的数据进行剔除，提高数据稳态值的计算准确度。
步骤A中，标准差的阈值δy的计算方法为，
Figure BSA0000142919250000081
步骤A中，滑动窗口均值的初值y1的计算方法为，
Figure BSA0000142919250000082
步骤A中，滑动窗口标准差的初值σ1的计算方法为，
Figure BSA0000142919250000083
Figure BSA0000142919250000084
其中，diff1为初始时刻的方差。
步骤B中，新的滑动窗口内数据均值的计算方法为，
设此时滑动窗口起点所处位置为k，此时窗口内数据的均值为
Figure BSA0000142919250000085
则有当滑动窗口移动至k+1时刻时，新的滑动窗口内n个数据的均值为，
Figure BSA0000142919250000086
步骤B中，新的滑动窗口内数据标准差的计算方法为，
k时刻的方差diff值为，
Figure BSA0000142919250000087
则有对公式(6)进行展开可得如下公式，
Figure BSA0000142919250000088
Figure BSA0000142919250000091
同理，当滑动窗口移动至k+1时刻时，有如下公式，
Figure BSA0000142919250000092
比较公式(7)与公式(8)可得，
Figure BSA0000142919250000093
将公式(3)所得方差diff1的值带入公式(9)，得到方差diffk+1，从而得到k+1时刻的滑动窗口内的数据标准差σk+1，
Figure BSA0000142919250000094
步骤C中，稳态数据具体遵循以下原则进行数据存储：
当滑动窗口由k＝1开始，逐步移动到k＝N-n+1，需要进行筛选的原始数据长度为N；
1)当k＝1时，对应滑动窗口的数据为y(1)到y(n)，对n个数据按如下方法进行处理：
当σ1＜δv时，
Figure BSA0000142919250000101
当σ1＞δy时，
Figure BSA0000142919250000102
其中，ste表示用于稳态数据存储的稳态数据段，ste(n)表示稳态数据段ste中的第n个；
2)当k＞1时，对应滑动窗口数据为y(k)到y(k+n-1)，对n个数据按如下方法进行处理：
当σk＜δy且ste(k-1)＝0时，
Figure BSA0000142919250000103
当σk＜δy且ste(k-1)≠0时，ste(k+n-1)＝y(k+n-1) (14)
当σk＞δy时，ste(k+n-1)＝0 (15)；
所述滑动窗口每次移动经过以上两步判断后，最终将所有满足要求的稳态数据存储到稳态数据段ste中。
步骤D中，设稳态数据段的起始位置为p，结束位置为q，采用滑动窗口移动的方法，具体剔除过程为，
1)计算起点在p点和q-n+1点处滑动窗口内n个数据的均值为：
Figure BSA0000142919250000111
Figure BSA0000142919250000112
其中，
Figure BSA0000142919250000113
表示稳态数据段中起点在p点处滑动窗口内n个数据的均值；
Figure BSA0000142919250000114
表示稳态数据段中起点在q-n+1点处滑动窗口内n个数据的均值；
2)设滑动窗口移动过程中，相邻滑动窗口间允许的滑动窗口内数据均值的最大变化量为
Figure BSA0000142919250000115
滑动窗口由p点开始移动，计算滑动窗口内的数据均值的方法为，
Figure BSA0000142919250000116
对公式(21)计算得到的数据均值进行比较判断：
当
Figure BSA0000142919250000117
时，ste(p+k-1)＝0 (18)
当
Figure BSA0000142919250000118
时，则结束，滑动窗口不再移动；
3)滑动窗口由q点反向移动，计算滑动窗口内的数据均值的方法为，
Figure BSA0000142919250000119
对公式(19)计算得到的数据均值进行比较判断：
当
Figure BSA00001429192500001110
时，ste(q-k)＝0 (20)
当
Figure BSA0000142919250000121
时，则结束，滑动窗口不再移动。
实施例2
本实施例是在实施例1的基础上改进而来的。
在步骤B中，求取k+1时刻的滑动窗口内的数据标准差σk+1时，对方差diffk+1进行修正。使用diffk至diffk-n+1这n个方差数据进行拟合(k/2＜n＜k)，然后求取拟合曲线的斜率变化率，根据diffk处的斜率变化率得出diffk+1的预测值diff′k+1，使用diffk+1与diff′k+1的加权平均值求取σk+1。其中diff′k+1的加权率与拟合曲线的线性度成反比。通过对diffk+1进行修正，可以有效降低干扰信号对于数据筛选过程的干扰。
实施例3
本实施例是在实施例2的基础上改进而来的。
系统对筛选出的稳态数据段ste进行遍历，将遍历的数据根据密度进行聚类，通过聚类后的局部异常因子确定异常数据。根据检测到的异常数据的比例，对使用diffk至diffk-n+1这n个方差数据进行拟合的拟合曲线进行反馈修正。通过反馈修正，可以提高实施例2中对diffk+1进行修正的准确度。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种快速筛选大规模过程数据中的稳态工况数据的方法，其特征在于包括以下步骤：
A、稳态数据筛选的初始化处理，
对需要进行稳态工况数据筛选的数据段进行数据滤波，
选取长度为n的存储空间作为滑动窗口，所述存储空间为判断需要进行稳态工况数据筛选的数据段稳定的最小单元，其中n表示所述滑动窗口中包含数据的个数，
根据包含n个数据的滑动窗口中的单个数据允许偏差值α，计算所述滑动窗口中n个数据的标准偏差的阈值δy；
计算数据段起始位置的n个数据的均值，作为滑动窗口均值的初值
Figure FSB0000188486800000011
计算数据段起始位置的n个数据的标准差，作为滑动窗口标准差的初值σ1
B、滑动窗口由数据起点向终点移动，每移动一次，会有一个新数据点进入滑动窗口，同时将原滑动窗口内数据的起始点舍弃，计算新的滑动窗口内数据的均值和标准差；
C、将所述新的滑动窗口内所含n个数据的标准差与标准差阈值δy进行比较，若其小于所述标准差阈值δy，则将新加入的数据计入稳态数据；若其大于所述标准差阈值δy，对于新的滑动窗口，则新的滑动窗口内所含第n个数据赋0；若对于初始的滑动窗口其标准差大于所述标准差阈值δy，则初始的滑动窗口内所含n个数据全部赋0；设需要进行筛选的原始数据长度为N，则直至所述滑动窗口的起点移动至N-n+1后，筛选过程结束；
D、对所选稳态数据段两端的数据进行剔除，提高数据稳态值的计算准确度。
2.根据权利要求1所述的快速筛选大规模过程数据中的稳态工况数据的方法，其特征在于：步骤A中，标准差的阈值δy的计算方法为，
Figure FSB0000188486800000021
3.根据权利要求2所述的快速筛选大规模过程数据中的稳态工况数据的方法，其特征在于：步骤A中，滑动窗口均值的初值
Figure FSB0000188486800000026
的计算方法为，
Figure FSB0000188486800000022
4.根据权利要求3所述的快速筛选大规模过程数据中的稳态工况数据的方法，其特征在于：步骤A中，滑动窗口标准差的初值σ1的计算方法为，
Figure FSB0000188486800000023
Figure FSB0000188486800000024
其中，diff1为初始时刻的方差。
5.根据权利要求4所述的快速筛选大规模过程数据中的稳态工况数据的方法，其特征在于：步骤B中，新的滑动窗口内数据均值的计算方法为，
设此时滑动窗口起点所处位置为k，此时窗口内数据的均值为
Figure FSB0000188486800000027
则有当滑动窗口移动至k+1时刻时，新的滑动窗口内n个数据的均值为，
Figure FSB0000188486800000025
6.根据权利要求5所述的快速筛选大规模过程数据中的稳态工况数据的方法，其特征在于：步骤B中，新的滑动窗口内数据标准差的计算方法为，
k时刻的方差diff值为，
Figure FSB0000188486800000031
则有对公式(6)进行展开可得如下公式，
Figure FSB0000188486800000032
同理，当滑动窗口移动至k+1时刻时，有如下公式，
Figure FSB0000188486800000033
比较公式(7)与公式(8)可得，
Figure FSB0000188486800000034
将公式(3)所得方差diff1的值带入公式(9)，得到方差diffk+1，从而得到k+1时刻的滑动窗口内的数据标准差σk+1，
Figure FSB0000188486800000035
7.根据权利要求6所述的快速筛选大规模过程数据中的稳态工况数据的方法，其特征在于：步骤C中，稳态数据具体遵循以下原则进行数据存储：
当滑动窗口由k＝1开始，逐步移动到k＝N-n+1，需要进行筛选的原始数据长度为N；
1)当k＝1时，对应滑动窗口的数据为y(1)到y(n)，对n个数据按如下方法进行处理：
当σ1＜δy时，
Figure FSB0000188486800000041
当σ1＞δy时，
Figure FSB0000188486800000042
其中，ste表示用于稳态数据存储的稳态数据段，ste(n)表示稳态数据段ste中的第n个；
2)当k＞1时，对应滑动窗口数据为y(k)到y(k+n-1)，对n个数据按如下方法进行处理：
当σk＜δy且ste(k-1)＝0时，
Figure FSB0000188486800000051
当σk＜δy且ste(k-1)≠0时，ste(k+n-1)＝y(k+n-1) (14)
当σk＞δy时；ste(k+n-1)＝0 (15)；
所述滑动窗口每次移动经过以上步骤1)和步骤2)判断后，最终将所有满足要求的稳态数据存储到稳态数据段ste中。
8.根据权利要求7所述的快速筛选大规模过程数据中的稳态工况数据的方法，其特征在于：步骤D中，设稳态数据段的起始位置为p，结束位置为q，采用滑动窗口移动的方法，具体剔除过程为，
1)计算起点在p点和q-n+1点处滑动窗口内n个数据的均值为：
Figure FSB0000188486800000052
Figure FSB0000188486800000053
其中，
Figure FSB0000188486800000054
表示稳态数据段中起点在p点处滑动窗口内n个数据的均值；
Figure FSB0000188486800000055
表示稳态数据段中起点在q-n+1点处滑动窗口内n个数据的均值；
2)设滑动窗口移动过程中，相邻滑动窗口间允许的滑动窗口内数据均值的最大变化量为
Figure FSB0000188486800000056
滑动窗口由p点开始移动，计算滑动窗口内的数据均值的方法为，
Figure FSB0000188486800000061
对公式(21)计算得到的数据均值进行比较判断：
当
Figure FSB0000188486800000062
时，ste(p+k-1)＝0 (18)
当
Figure FSB0000188486800000063
时，则结束，滑动窗口不再移动；
3)滑动窗口由q点反向移动，计算滑动窗口内的数据均值的方法为，
Figure FSB0000188486800000064
对公式(19)计算得到的数据均值进行比较判断：
当
Figure FSB0000188486800000065
时，ste(q-k)＝0 (20)
当
Figure FSB0000188486800000066
时，则结束，滑动窗口不再移动。
CN201710227451.2A 2017-04-10 2017-04-10 一种快速筛选大规模过程数据中的稳态工况数据的方法 Expired - Fee Related CN106997391B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710227451.2A CN106997391B (zh) 2017-04-10 2017-04-10 一种快速筛选大规模过程数据中的稳态工况数据的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710227451.2A CN106997391B (zh) 2017-04-10 2017-04-10 一种快速筛选大规模过程数据中的稳态工况数据的方法

Publications (2)

Publication Number Publication Date
CN106997391A CN106997391A (zh) 2017-08-01
CN106997391B true CN106997391B (zh) 2020-11-03

Family

ID=59435427

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710227451.2A Expired - Fee Related CN106997391B (zh) 2017-04-10 2017-04-10 一种快速筛选大规模过程数据中的稳态工况数据的方法

Country Status (1)

Country Link
CN (1) CN106997391B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110376005B (zh) * 2018-04-13 2023-08-22 开利公司 数据处理方法、制冷剂泄漏检测方法、系统故障检测方法以及系统性能检测方法
CN108763584B (zh) * 2018-06-11 2021-11-02 北京天泽智云科技有限公司 一种风功率曲线散点过滤的方法及其系统
CN111223233A (zh) * 2019-12-23 2020-06-02 西安科技大学 一种基于动态窗口的重力传感器数据平滑处理算法
CN111145564B (zh) * 2020-01-03 2021-09-17 山东大学 信控交叉口的自适应可变车道控制方法及系统
CN112231182A (zh) * 2020-12-15 2021-01-15 长沙树根互联技术有限公司 物联设备工况数据分析方法、装置和计算机设备
CN113515512B (zh) * 2021-06-22 2024-06-14 国网辽宁省电力有限公司鞍山供电公司 一种工业互联网平台数据的质量治理及提升方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102170124A (zh) * 2011-03-21 2011-08-31 江苏省电力试验研究院有限公司 一种电能质量稳态指标预警方法
CN102436720A (zh) * 2011-09-28 2012-05-02 清华大学 一种基于数据过滤的重复报警处理方法
CN104679834A (zh) * 2015-02-06 2015-06-03 北京工商大学 一种时序数据清洗方法及系统
CN105389648A (zh) * 2015-10-21 2016-03-09 南京富岛信息工程有限公司 一种常减压装置稳态工况的判别方法
CN105867132A (zh) * 2016-04-19 2016-08-17 东南大学 稳态追踪自矫正的联合循环机组排烟含氧量在线测量方法
CN105989061A (zh) * 2015-02-09 2016-10-05 中国科学院信息工程研究所 一种滑动窗口下多维数据重复检测快速索引方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9361329B2 (en) * 2013-12-13 2016-06-07 International Business Machines Corporation Managing time series databases
US10416915B2 (en) * 2015-05-15 2019-09-17 ScaleFlux Assisting data deduplication through in-memory computation

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102170124A (zh) * 2011-03-21 2011-08-31 江苏省电力试验研究院有限公司 一种电能质量稳态指标预警方法
CN102436720A (zh) * 2011-09-28 2012-05-02 清华大学 一种基于数据过滤的重复报警处理方法
CN104679834A (zh) * 2015-02-06 2015-06-03 北京工商大学 一种时序数据清洗方法及系统
CN105989061A (zh) * 2015-02-09 2016-10-05 中国科学院信息工程研究所 一种滑动窗口下多维数据重复检测快速索引方法
CN105389648A (zh) * 2015-10-21 2016-03-09 南京富岛信息工程有限公司 一种常减压装置稳态工况的判别方法
CN105867132A (zh) * 2016-04-19 2016-08-17 东南大学 稳态追踪自矫正的联合循环机组排烟含氧量在线测量方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于滑动窗口和聚类算法的变压器状态异常检测";严英杰 等;《高电压技术》;20161231;4020-4025页 *

Also Published As

Publication number Publication date
CN106997391A (zh) 2017-08-01

Similar Documents

Publication Publication Date Title
CN106997391B (zh) 一种快速筛选大规模过程数据中的稳态工况数据的方法
CN110134919B (zh) 风电机组异常数据清洗方法
CN110427996B (zh) 基于模糊匹配的时间序列异常模式识别方法及装置
CN106600663B (zh) 一种基于二次b样条曲线的简单曲线平滑方法
CN110690995B (zh) 一种基于多变量时间序列预测的鲁棒性异常检测方法和设备
CN111143413A (zh) 基于数据流概念漂移的异常检测方法
CN108205432B (zh) 一种观测实验数据异常值的实时剔除方法
CN108010044B (zh) 一种视频边界检测的方法
CN112836176A (zh) 一种曲线拟合的优化方法、存储介质、电子设备及系统
CN108763584B (zh) 一种风功率曲线散点过滤的方法及其系统
WO2022033015A1 (zh) 图像中异常区域的处理方法、装置和图像分割方法、装置
CN114083770A (zh) 工艺参数调整及模型训练方法、装置、设备与存储介质
CN108830865B (zh) 一种用于动态脑电图像的稳定上下边界的确定方法
CN110909635A (zh) 一种非线性元件模型的波形相似度分析方法
CN115794544A (zh) 一种中间件异常监测装置以及方法
US11122065B2 (en) Adaptive anomaly detection for computer systems
Wijnmalen et al. Review of a Markov decision algorithm for optimal inspections and revisions in a maintenance system with partial information
CN106814608B (zh) 基于后验概率分布的预测控制自适应滤波算法
JP6259058B2 (ja) データ分析装置及び方法及びプログラム
CN110489810B (zh) 一种基于数据块的趋势自动提取方法
CN113536042A (zh) 一种时间序列异常检测方法、装置及设备
CN109100441B (zh) 一种液相色谱曲线去除脉冲干扰的方法
CN107146234B (zh) 多层次约束的多目标追踪算法
CN116248918B (zh) 一种视频镜头切分方法、装置、电子设备及可读介质
CN106997407B (zh) 基于趋势拟合的风资源场景缩减方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201103

CF01 Termination of patent right due to non-payment of annual fee