CN112257015B - 一种火电机组数据获取方法、系统及数据处理方法 - Google Patents

一种火电机组数据获取方法、系统及数据处理方法 Download PDF

Info

Publication number
CN112257015B
CN112257015B CN202011174231.6A CN202011174231A CN112257015B CN 112257015 B CN112257015 B CN 112257015B CN 202011174231 A CN202011174231 A CN 202011174231A CN 112257015 B CN112257015 B CN 112257015B
Authority
CN
China
Prior art keywords
data
thermal power
generating unit
power generating
parameter
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.)
Active
Application number
CN202011174231.6A
Other languages
English (en)
Other versions
CN112257015A (zh
Inventor
袁俊
尹昕
曾骥敏
田鹏路
张少男
李志超
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.)
Shenzhen Goes Out New Knowledge Property Right Management Co ltd
Original Assignee
China Resource Power Technology Research Institute
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 China Resource Power Technology Research Institute filed Critical China Resource Power Technology Research Institute
Priority to CN202011174231.6A priority Critical patent/CN112257015B/zh
Publication of CN112257015A publication Critical patent/CN112257015A/zh
Application granted granted Critical
Publication of CN112257015B publication Critical patent/CN112257015B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种火电机组数据获取方法及系统，首先选取火电机组的多个参数变量，获取火电机组的各个参数变量的数据，对获得数据统计分析，根据分析结果从多个参数变量中选取出相关度满足预设要求的预设数量个目标参数变量，进一步获取火电机组的各个目标参数变量的数据，将获得数据建成数据集。本发明通过对机组各个参数变量的数据统计分析以分析各个参数变量之间的相关度，根据相关度从中选取出目标参数变量，进而使用目标参数变量的数据建成火电机组的数据集，与现有技术由人工根据经验选取的方法相比，能够更准确地选取出火电机组的参数变量以获得火电机组数据。本发明还公开一种火电机组数据处理方法。

Description

一种火电机组数据获取方法、系统及数据处理方法
技术领域
本发明涉及数据统计与分析技术领域，特别是涉及一种火电机组数据获取方法及系统。本发明还涉及一种火电机组数据处理方法。
背景技术
在为火电站机组构建模型时，需要根据不同的火电站机组、不同的燃烧炉型或者不同的应用需求，选取火电站机组的若干参数变量以及获取参数变量的相应数据以进行统计与分析。现有技术中，由人工依据经验选取，然而这无法较精确地选取到准确的参数变量种类以及参数变量数量，降低了为火电站机组构建模型的效率和准确性。
发明内容
本发明的目的是提供一种火电机组数据获取方法及系统，能够更准确地选取出火电站机组的参数变量数据。本发明还提供一种火电机组数据处理方法。
为实现上述目的，本发明提供如下技术方案：
一种火电机组数据获取方法，包括：
选取火电机组的多个参数变量；
获取火电机组的各个所述参数变量的数据，对获得数据统计分析，根据分析结果从多个所述参数变量中选取出相关度满足预设要求的预设数量个目标参数变量；
获取火电机组的各个所述目标参数变量的数据，将获得数据建成数据集。
优选的，根据分析结果从多个所述参数变量中选取出相关度满足预设要求的预设数量个目标参数变量包括：根据以下公式选取：
目标为：/>
其中，β0表示初始的回归系数，βj表示第j参数变量的回归系数，xij表示第j参数变量对应的向量，s≥0表示调节参数，Y1＝Xβ1，X表示由各个参数变量对应的向量构成的矩阵，p表示p个参数变量，n表示n个参数变量。
优选的，获取火电机组的各个所述目标参数变量的数据，将获得数据建成数据集包括：获取火电机组的各个所述目标参数变量的数据，对获得数据进行聚类分析，将聚类得到的数据建成数据集。
优选的，对获得数据进行聚类分析使用的目标函数包括误差平方和准则函数，表示为：
其中，Y为n×d矩阵，n表示样本数量，d表示特征数量，A表示权向量，bi表示任意给定的大于零的常数。
优选的，对获得数据进行聚类分析包括：
获取火电机组的各个所述目标参数变量的数据，将获得数据划分为多个分区；
对于每一分区内数据，按照距离最小原则划分类别；
对于每一分区，根据本分区包含的数据数量，按照预设规则确定本分区的聚类中心的数量，并进入下一次迭代；
在第一次迭代之后的每一次迭代中，对于每一分区，当本分区的聚类中心相对于本分区上一次迭代的聚类中心的变化满足要求时停止迭代。
优选的，可使用的距离函数包括：
欧式距离：
或者闵氏距离：
或者曼哈顿距离：d(xi,xj)＝|xi1-xj1|+|xi2-xj2|+…+|xir-xjr|；
其中，(xi1,…,xir)、(xj1,…,xjr)分别表示两个不同点的坐标。
优选的，对获得数据统计分析之前还包括：对获取的火电机组的各个所述参数变量的数据进行标准化处理。
优选的，标准化处理方法包括：x′＝(x-minA)/(maxA-minA)；
其中，x表示属性A的初始数据，x′表示属性A经处理后的数据，minA、maxA分别表示属性A的最小值和最大值。
一种火电机组数据获取系统，用于执行以上所述的火电机组数据获取方法。
一种火电机组数据处理方法，对数据集的数据进行处理，所述数据集为采用以上所述的火电机组数据获取方法获得。
由上述技术方案可知，本发明所提供的一种火电机组数据获取方法及系统，首先选取火电机组的多个参数变量，获取火电机组的各个参数变量的数据，对获得数据统计分析，根据分析结果从多个参数变量中选取出相关度满足预设要求的预设数量个目标参数变量，进一步获取火电机组的各个目标参数变量的数据，将获得数据建成数据集。
本发明的火电机组数据获取方法及系统，通过对机组各个参数变量的数据统计分析以分析各个参数变量之间的相关度，根据相关度从中选取出目标参数变量，进而使用目标参数变量的数据建成火电机组的数据集，与现有技术由人工根据经验选取的方法相比，能够更准确地选取出火电机组的参数变量以获得火电机组数据。
本发明提供的一种火电机组数据处理方法，能够达到上述有益效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种火电机组数据获取方法的流程图；
图2为本发明实施例中对获得数据聚类分析的方法流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
请参考图1，图1为本发明实施例提供的一种火电机组数据获取方法的流程图，由图可知，所述火电机组数据获取方法包括以下步骤：
S10：选取火电机组的多个参数变量。
在实际应用中，对于火力发电机组，可以根据现场经验或者相关资料分析得到所需的火电机组的多个参数变量，确定所选取参数变量的数量。可选的，火电机组的参数变量可以是但不限于过量空气系数、二次风分配、一次风煤粉气流初温、燃烧器摆角、煤粉分配、煤粉细度或者煤质等。
S11：获取火电机组的各个所述参数变量的数据，对获得数据统计分析，根据分析结果从多个所述参数变量中选取出相关度满足预设要求的预设数量个目标参数变量。
根据选取确定的多个参数变量，可以从火电机组的历史数据中获取数据，可以获取火电机组不同工况时的各个参数变量的数据。
利用获取到的火电机组各个参数变量的数据，对获得数据进行统计分析，分析各个参数变量之间的相关度，具体可以对各个参数变量的数据进行回归分析，从数据提取特征进行分析。分析各个参数变量数据之间的相关度。
具体的，可根据对各个参数变量的相关度分析结果，从中选出相关度较高的若干个参数变量。优选可根据以下公式从多个参数变量中选取出预设数量个目标参数变量：
目标为：/>
其中，β0表示初始的回归系数，βj表示第j参数变量的回归系数，xij表示第j参数变量对应的向量，s≥0表示调节参数，Y1＝Xβ1，X表示由各个参数变量对应的向量构成的矩阵，p表示p个参数变量，n表示n个参数变量，p≤n。
根据上述分析方法，会将变量系数率先被压缩为0的参数变量先删除，最终留下所需数量的参数变量，上述分析方法可以准确地选取出相关度较高的变量并剔除相关度较低的变量。在本发明其它实施例中也可采用其它方法通过对火电机组的各个参数变量数据进行统计分析，从中选出相关度满足预设要求的目标参数变量，也都在本发明保护范围内。
在实际的对获得的火电机组各个参数变量数据的处理过程中，由于各个参数变量数据之间的量纲不同，并且不同参数变量数据之间可能相差很多数量级，如果直接使用原始数据进行分析，不容易获得各个参数变量间的关系。因此优选的，在对获得数据分析之前，需要对获取的火电机组的各个参数变量的数据分别进行标准化处理，使得各个参数变量数据的数量级接近，便于数据分析。可选的，可采用Min-max标准化处理方法对数据进行标准化处理，Min-max标准化处理方法属于线性变换的一种，表示为：x′＝(x-minA)/(maxA-minA)；其中，x表示属性A的初始数据，x′表示属性A经处理后的数据，minA、maxA分别表示属性A的最小值和最大值。另外需要说明书的是，本发明方法不限于采用上述标准化方法，也可以采用其它标准化方法对数据进行标准化处理，都在本发明保护范围内。
S12：获取火电机组的各个所述目标参数变量的数据，将获得数据建成数据集。
根据确定的目标参数变量，可以获取火电机组不同工况的各个目标参数变量的数据，将获得数据建成数据集。建立的数据集可以用于火电机组的各种数据处理应用中。
本实施例的火电站机组数据获取方法，通过对机组各个参数变量的数据统计分析以分析各个参数变量之间的相关度，根据相关度从中选取出目标参数变量，进而使用目标参数变量的数据建成火电机组的数据集，与现有技术由人工根据经验选取的方法相比，能够更准确地选取出火电机组的参数变量以及获得火电机组数据。
进一步优选的，本实施例方法中在获取火电机组的各个目标参数变量的数据，将获得数据建成数据集包括：获取火电机组的各个所述目标参数变量的数据，对获得数据进行聚类分析，将聚类得到的数据建成数据集。对于火电机组的各个参数变量数据，具有维数高、数量大、比较复杂的性质，而在对数据的处理应用时有些应用要求输入数据具有确定性，或者要求数据输入顺序与预设顺序一致，或者需要输入数据具有很高的聚类质量的特点，因此本实施例方法对获取到的火电机组各个目标参数变量的数据进行聚类分析，筛选出其中具有代表性的数据，来构建数据集，有助于提高后续数据处理的效率和准确性。
具体请参考图2，图2为本实施例中对获得数据聚类分析的方法流程图，可根据以下过程对获得数据聚类分析，包括以下步骤：
S120：获取火电机组的各个目标参数变量的数据，将获得数据划分为多个分区。
S121：对于每一分区内数据，按照距离最小原则划分类别。
将距离函数作为聚类运算相似性度量的评价指标，按照距离最小原则将数据划分类别。可选的，距离函数可以使用欧式距离函数、闵氏距离函数或者曼哈顿距离函数，具体如下：
欧式距离：
闵氏距离：
曼哈顿距离：d(xi,xj)＝|xi1-xj1|+|xi2-xj2|+…+|xir-xjr|；
其中，(xi1,…,xir)、(xj1,…,xjr)分别表示两个不同点的坐标。其中可以看出，当式中的t＝2时，闵氏距离就变成了欧式距离。因此可以将欧氏距离看成闵氏距离的一个特殊应用形式。
优选的，本步骤中可适当添加邻域归属信息度量来对数据的划分给予指导作用，从而提高算法的准确度。
S122：对于每一分区，根据本分区包含的数据数量，按照预设规则确定本分区的聚类中心的数量，并进入下一次迭代。
预设规则为预先设定的聚类中心的数量与本分区包含的数据数量的比例。在实际应用中，可以根据经验法综合考虑后续利用数据集预测建模的精度与速度对本次聚类的要求，设定聚类中心的数量与本分区包含的数据数量的比例，进而根据这一预设的比例以及本分区包含的数据数量确定出聚类中心的数量。示例性的，预设规则中设定聚类中心的数量与本分区包含的数据数量的比例为1:100。
本方法中由于没有初始的聚类中心，在第一次获取聚类中心时，不选择读取聚类中心。
S123：在第一次迭代之后的每一次迭代中，对于每一分区，当本分区的聚类中心相对于本分区上一次迭代的聚类中心的变化满足要求时停止迭代。示例性的，可设置当本分区的聚类中心相对于本分区上一次迭代的聚类中心的变化小于初始聚类中心最小距离的2％时停止迭代。
可选的，本实施例中对获得数据进行聚类分析使用的目标函数可以是误差平方和准则函数，表示为：
其中，Y为n×d矩阵，n表示样本数量，d表示特征数量，A表示权向量，bi表示任意给定的大于零的常数。该函数在每次的迭代过程中都会考察样本分类的正确性。
在实际应用中，可以根据确定的目标参数变量，获取火电机组不同工况的各个目标参数变量的数据，通过对获得数据聚类分析，获得火电机组不同工况的各个目标参数变量代表性的数据，其中可包括在不同工况下火电机组处于最佳运行状态时的各个目标参数变量数据，从而构建成数据集。
因此本实施例的火电机组数据获取方法，对于通过相关度分析选取出的目标参数变量，进一步对目标参数变量的数据进行聚类分析，挖掘出更具有代表性的数据来构建数据集，降低了数据集的数据量，获得数据更精简且更具有代表性，可以使得后续利用数据集的应用中提高运算速度，提高运算精度。
相应的，本发明实施例还提供一种火电机组数据获取系统，用于执行以上所述的火电机组数据获取方法。
本实施例的火电站机组数据获取系统，通过对机组各个参数变量的数据统计分析以分析各个参数变量之间的相关度，根据相关度从中选取出目标参数变量，进而使用目标参数变量的数据建成火电机组的数据集，与现有技术由人工根据经验选取的方法相比，能够更准确地选取出火电机组的参数变量以获得火电机组数据。
相应的，本发明实施例还提供一种火电机组数据处理方法，对数据集的数据进行处理，所述数据集为采用以上所述的火电机组数据获取方法获得。
本实施例的火电机组数据处理方法，所使用的数据集是通过对机组各个参数变量的数据统计分析以分析各个参数变量之间的相关度，根据相关度从中选取出目标参数变量，进而使用目标参数变量的数据建成火电机组的数据集，与现有技术由人工根据经验选取的方法相比，数据集包含的数据更准确，有助于提高火电机组数据处理的效率和准确性。
可选的，本实施例的火电机组数据处理方法可以是利用建成的数据集中数据训练模型，所训练的模型可以是针对火电机组的预测模型。
以上对本发明所提供的一种火电机组数据获取方法、系统及数据处理方法进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (6)

1.一种火电机组数据获取方法，其特征在于，包括：
选取火电机组的多个参数变量；
获取火电机组的各个所述参数变量的数据，对获得数据统计分析，分析各个所述参数变量之间的相关度，根据分析结果从多个所述参数变量中选取出相关度满足预设要求的预设数量个目标参数变量；
获取火电机组的各个所述目标参数变量的数据，将获得数据建成数据集；
根据分析结果从多个所述参数变量中选取出相关度满足预设要求的预设数量个目标参数变量包括：根据以下公式选取：
，目标为：/>；
其中，β0表示初始的回归系数，βj表示第j参数变量的回归系数，xij表示第j参数变量对应的向量，s≥0表示调节参数，Y1=Xβ1，X表示由各个参数变量对应的向量构成的矩阵，p表示p个参数变量，n表示n个参数变量；
获取火电机组的各个所述目标参数变量的数据，将获得数据建成数据集包括：获取火电机组的各个所述目标参数变量的数据，对获得数据进行聚类分析，将聚类得到的数据建成数据集；其中，对获得数据进行聚类分析包括：
获取火电机组的各个所述目标参数变量的数据，将获得数据划分为多个分区；
对于每一分区内数据，按照距离最小原则划分类别；
对于每一分区，根据本分区包含的数据数量，按照预设规则确定本分区的聚类中心的数量，并进入下一次迭代；
在第一次迭代之后的每一次迭代中，对于每一分区，当本分区的聚类中心相对于本分区上一次迭代的聚类中心的变化满足要求时停止迭代；
对获得数据进行聚类分析使用的目标函数包括误差平方和准则函数。
2.根据权利要求1所述的火电机组数据获取方法，其特征在于，可使用的距离函数包括：
欧式距离、闵氏距离或者曼哈顿距离。
3.根据权利要求1-2任一项所述的火电机组数据获取方法，其特征在于，对获得数据统计分析之前还包括：对获取的火电机组的各个所述参数变量的数据进行标准化处理。
4.根据权利要求3所述的火电机组数据获取方法，其特征在于，
标准化处理方法包括：；
其中，x表示属性A的初始数据，x´表示属性A经处理后的数据，minA、maxA分别表示属性A的最小值和最大值。
5.一种火电机组数据获取系统，其特征在于，用于执行权利要求1-4任一项所述的火电机组数据获取方法。
6.一种火电机组数据处理方法，其特征在于，对数据集的数据进行处理，所述数据集为采用权利要求1-4任一项所述的火电机组数据获取方法获得。
CN202011174231.6A 2020-10-28 2020-10-28 一种火电机组数据获取方法、系统及数据处理方法 Active CN112257015B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011174231.6A CN112257015B (zh) 2020-10-28 2020-10-28 一种火电机组数据获取方法、系统及数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011174231.6A CN112257015B (zh) 2020-10-28 2020-10-28 一种火电机组数据获取方法、系统及数据处理方法

Publications (2)

Publication Number Publication Date
CN112257015A CN112257015A (zh) 2021-01-22
CN112257015B true CN112257015B (zh) 2023-08-15

Family

ID=74262771

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011174231.6A Active CN112257015B (zh) 2020-10-28 2020-10-28 一种火电机组数据获取方法、系统及数据处理方法

Country Status (1)

Country Link
CN (1) CN112257015B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002358411A (ja) * 2001-05-31 2002-12-13 Sumitomo Mitsui Banking Corp プリペイメント分析システム、マイニング装置、統計分析装置、プリペイメント分析方法、およびプログラム
CN109687447A (zh) * 2018-12-29 2019-04-26 华润电力技术研究院有限公司 一种电力能耗预测方法及装置
CN110766175A (zh) * 2019-10-25 2020-02-07 长沙理工大学 一种基于最优间隔分布机的变桨系统故障检测方法及装置
CN111160750A (zh) * 2019-12-23 2020-05-15 东南大学 一种基于关联规则挖掘的配网分析和投资决策方法
CN111242490A (zh) * 2020-01-15 2020-06-05 长江大学 低渗透油藏特征主控因素提取方法、设备及可读存储介质
CN111260138A (zh) * 2020-01-18 2020-06-09 湖南大学 加权和自适应并行关联规则的火电机组能耗动态优化方法
CN111401573A (zh) * 2018-12-17 2020-07-10 中国科学院沈阳自动化研究所 一种工况状态建模与修正模型方法
CN111582390A (zh) * 2020-05-11 2020-08-25 江苏移动信息系统集成有限公司 一种大数据预分析的方法及装置
CN111797148A (zh) * 2019-04-09 2020-10-20 Oppo广东移动通信有限公司 数据处理方法、装置、存储介质及电子设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3917625B2 (ja) * 2003-02-14 2007-05-23 富士通株式会社 データ解析装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002358411A (ja) * 2001-05-31 2002-12-13 Sumitomo Mitsui Banking Corp プリペイメント分析システム、マイニング装置、統計分析装置、プリペイメント分析方法、およびプログラム
CN111401573A (zh) * 2018-12-17 2020-07-10 中国科学院沈阳自动化研究所 一种工况状态建模与修正模型方法
CN109687447A (zh) * 2018-12-29 2019-04-26 华润电力技术研究院有限公司 一种电力能耗预测方法及装置
CN111797148A (zh) * 2019-04-09 2020-10-20 Oppo广东移动通信有限公司 数据处理方法、装置、存储介质及电子设备
CN110766175A (zh) * 2019-10-25 2020-02-07 长沙理工大学 一种基于最优间隔分布机的变桨系统故障检测方法及装置
CN111160750A (zh) * 2019-12-23 2020-05-15 东南大学 一种基于关联规则挖掘的配网分析和投资决策方法
CN111242490A (zh) * 2020-01-15 2020-06-05 长江大学 低渗透油藏特征主控因素提取方法、设备及可读存储介质
CN111260138A (zh) * 2020-01-18 2020-06-09 湖南大学 加权和自适应并行关联规则的火电机组能耗动态优化方法
CN111582390A (zh) * 2020-05-11 2020-08-25 江苏移动信息系统集成有限公司 一种大数据预分析的方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于统计的聚类模型构建研究;杨龙光 等;统计与决策(第17期);第27-31页 *

Also Published As

Publication number Publication date
CN112257015A (zh) 2021-01-22

Similar Documents

Publication Publication Date Title
CN108564129B (zh) 一种基于生成对抗网络的轨迹数据分类方法
CN111369070B (zh) 一种基于包络线聚类的多模融合光伏功率预测方法
CN111199016A (zh) 一种基于DTW的改进K-means的日负荷曲线聚类方法
CN104361414B (zh) 一种基于相关向量机的输电线路覆冰预测方法
CN108171379B (zh) 一种用电负荷预测方法
CN112613536B (zh) 一种基于smote和深度学习的近红外光谱柴油牌号识别方法
CN111160401A (zh) 一种基于均值漂移和XGBoost的异常用电判别方法
CN110738232A (zh) 一种基于数据挖掘技术的电网电压越限成因诊断方法
CN111369045A (zh) 一种短期光伏发电功率预测的方法
CN110442911B (zh) 一种基于统计机器学习的高维复杂系统不确定性分析方法
CN112418476A (zh) 一种超短期电力负荷预测方法
CN117131449A (zh) 面向数据治理的具有传播学习能力的异常识别方法及系统
CN111598460A (zh) 土壤重金属含量的监测方法、装置、设备及存储介质
CN114970725A (zh) 一种基于Adaboost-SVM的变压器工况辨识方法
CN115204041A (zh) 一种大型航空器进场和进近阶段耗油量预测方法
CN108808657B (zh) 一种电力负荷短期预测方法
Liu et al. Unbalanced classification method using least squares support vector machine with sparse strategy for steel surface defects with label noise
CN114357870A (zh) 基于局部加权偏最小二乘的计量设备运行性能预测分析方法
CN114200245A (zh) 一种配电网的线损异常识别模型的构建方法
CN112257015B (zh) 一种火电机组数据获取方法、系统及数据处理方法
CN105718956A (zh) 基于支持向量机的超载判断方法
CN110991743B (zh) 一种基于聚类分析和优化神经网络的风电功率短期组合预测方法
CN104933410A (zh) 一种高光谱图像光谱域与空间域联合分类方法
CN112598050A (zh) 生态环境数据质量控制方法
CN113487080B (zh) 一种基于风速分类的风速动态场景生成方法、系统及终端

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240408

Address after: 518066 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.)

Patentee after: Shenzhen goes out new knowledge property right management Co.,Ltd.

Country or region after: China

Address before: 523808 Room 308, unit 1, building 18, no.6, Libin Road, Songshanhu Park, Dongguan City, Guangdong Province

Patentee before: CR POWER TECHNOLOGY INSTITUTE Co.,Ltd.

Country or region before: China