CN116089843B - 一种基于数据聚类的新能源结算数据异常检测与预警方法 - Google Patents
一种基于数据聚类的新能源结算数据异常检测与预警方法 Download PDFInfo
- Publication number
- CN116089843B CN116089843B CN202310372352.9A CN202310372352A CN116089843B CN 116089843 B CN116089843 B CN 116089843B CN 202310372352 A CN202310372352 A CN 202310372352A CN 116089843 B CN116089843 B CN 116089843B
- Authority
- CN
- China
- Prior art keywords
- data
- new energy
- domain
- fluctuation range
- comparison
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001514 detection method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000003321 amplification Effects 0.000 claims abstract description 5
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 5
- 230000005856 abnormality Effects 0.000 claims description 13
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000015654 memory Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000007667 floating Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 abstract description 50
- 230000005611 electricity Effects 0.000 abstract description 12
- 230000008901 benefit Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
Classifications
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明涉及数据处理技术领域,涉及一种基于数据聚类的新能源结算数据异常检测与预警方法。本发明中通过对太阳能发电设备的产电数据信息收集,并将收集的数据进行分类对比,并在分类对比后,进行数据间的对比,降低太阳能产电设备存在的偶然性,通过数据检测的准确度,同时当产电设备出现故障后,产电的数据会和数据临界数值产生差异,其数据的增幅量发生改变,如此便可以获取每个产电设备组的产电情况,以便于在其中某个产电设备出现故障后,可以及时的发现并处理,保证装置的正常产电。
Description
技术领域
本发明涉及数据处理技术领域,具体地说,涉及一种基于数据聚类的新能源结算数据异常检测与预警方法。
背景技术
随着环保意识的不断提高,新能源电力也开始进入到环保的行列,为了提高新能源在电力中所占的比重,建立了大量的风力发电、太阳能发电、潮汐发电等产电装置来代替原先的产电方式,同时为了惠及人民,在百姓家安装太阳能发电装置,家庭使用不完的电量可以汇入电网来增加部分收入,如此在增大新能源电量在整体电量中的比重。
太阳能发电的方式,存在故障率低,易于维修、安装的好处,目前处于新能源电量的主要产电方式,故在太阳能发电的场所中,不需要对太阳能发电装置进行监视,唯有在太阳能发电装置出现故障才会对发电装置进行维修,而太阳能发电装置是通过多组太阳能板组成,当其中某个太阳能板出现故障时,其发电设置整体很难被发现,如此便会导致损坏的太阳能板出现长时间无人维修的情况,进而影响电量的产生,同时安装在居民家中的产电装置无法判断是否存在故障,当出现故障时,也无法进行维修,故需要一种系统对新能源结算数据进行异常检测,使发电设备在出现故障后,可以的到及时的维修。
发明内容
本发明的目的在于提供一种基于数据聚类的新能源结算数据异常检测与预警方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供一种基于数据聚类的新能源结算数据异常检测与预警方法:包括以下步骤:
S1、按照新能源数据接收到的时间批次,为新能源数据赋予时间标志位flag1;对具有相同时间标志位flag1的新能源数据进行分间保存,并在保存数据的时候,为分间保存的数据赋予数据间标志位flag2;
分间保存时,使同一批数据间内的新能源数据之间无相关性,包括:建立具有时间标志位flag1、数据间标志位flag2和来源端标志位flag3的映射规则,所述映射规则满足约束条件:
T1:将批存储器的按地址序号由小至大排序;
T2:对于具有相同时间标志位flag1的数据,识别其来源端标志位flag3;
T3:对于具有相同来源端标志位flag3的数据,按顺序存入批存储器,并赋予数据间标志位flag2;
S2、对保存的数据进行数据类别的分类,并在有新的数据保存时,识别保存的数据内容,并根据识别的内容,对数据进行归纳;
S3、对每个时间批次的数据进行处理,并建立新能源标准数据间,以制定的新能源标准数据为数据临界数值,为同一时间批次多个数据来源端传输来的新能源标准数据赋予来源端标志位flag3,并对具有相同数据间标志位flag2的新能源数据和新能源标准数据对比,并在对比后将此次对比的数据和上次对比的数据进行对比;
S4、设置对比数据间,并将每个数据间的数据进行对比,分析同一来源的数据新能源数据是否正常。
作为本技术方案的进一步改进,执行所述S2时的具体步骤如下:
S2.1、提取S1中保存的数据,提取的数据为同一数据来源端传输来的数据,并将提取的数据按照时间的顺序进行排序;
S2.2、对排序的数据进行顺序性的整理,将数据中不同类别的数据分开识别,并将同类别的数据整合在一起;所述S2.2中将数据中不同类别的数据分开识别的方法采用数据匹配算法,其算法步骤为:
设域A为任意一个数据间中的新能源数据集合,域B为新能源标准数据间中的新能源数据集合,计算域A相对于域B的异常度Y,所述异常度Y满足:
;
为域A和域B的相似度,满足:/>;
为域A相对于域B的差异度,满足:/>;
为域B相对于域A的差异度,满足:/>;
其中,表示域A和域B的交集,/>表示域A和域B的并集,A\B表示域A对域B的差集,B\A表示域B对域A的差集;
异常度Y满足边界条件:
X1:当域A数据无异常时,且/>,则Y=0;
X2:当域A数据存在异常时,、/>且/>,则Y≠0。
作为本技术方案的进一步改进,在在所述S3执行时的具体步骤如下:
S3.1、按照每个数据来源的标准数据进行新能源标准数据的制定,并将制定的新能源标准数据作为数据临界数值;
S3.2、按照S2.2中数据排序的顺序,不同批次的数据对比,在对比时采用逐级对比的方法进行对比,在对比的过程中,将同一数据来源的数据和新能源标准数据对比,确定数据和数据临界数值之间的比例关系,并在比例关系确定后,将本次对比得到的比例关系和上次对比得到的比例关系进行比较,获得本次数据的增幅情况;
S3.3、将本次对比得到的比例关系和上次对比得到的比例关系进行比较,对数据变动幅度过大的数据进行单独的提取,并在提取后,将提取的数据从对比的数据中删除掉,对比留下的数据按照批次顺序进行保存。
作为本技术方案的进一步改进,对所述S3.3中的数据变动幅度过大的数据进行单独的提取时,判断数据变动幅度过大的依据为:制定数据变动幅度范围,数据变动幅度范围是由数据来源的标准数据为中点,并根据新能源数据来源的工作情况设置的以标准数据为中点的浮动区间。
作为本技术方案的进一步改进,所述S4在执行的具体内容如下:
S4.1、将S3.3中按照批次顺序保存的数据进行分组,分出来的每组为对比数据间,将每个数据间中数据的最大值和最小值进行去除,并将保留下来的数据进行平均值的计算;
S4.2、将计算出平均值的数据间进行对比,计算出上一个对比间的平均值和本次计算出来的数据间的平均值的数据变动幅度;
S4.3、将计算出来的数据变动幅度和数据变动幅度范围进行对比,判断计算出来的数据变动幅度是否在数据变动幅度范围之内。
作为本技术方案的进一步改进,所述S4.3中在判断计算出来的数据变动幅度是否在数据变动幅度范围之内的结果有两种:
结果一:计算出来的数据变动幅度在数据变动幅度范围之内,此时表明新能源数据正常,无需进行其他操作;
结果二:计算出来的数据变动幅度不在数据变动幅度范围之内,此时表明新能源数据出现异常,此时进行预警,对对应的新能源数据传输端的设备进行检查维修。
作为本技术方案的进一步改进,所述S4.2中计算出上一个对比间的平均值和本次计算出来的数据间的平均值的数据变动幅度的公式为:
;
式中,为本次计算出来的数据间的平均值,/>为计算出上一个对比间的平均值,/>为本次计算出来的数据间的平均值相对于计算出上一个对比间的平均值的数据变动幅度。
与现有技术相比,本发明的有益效果:
该基于数据聚类的新能源结算数据异常检测与预警方法中,通过对太阳能发电设备的产电数据信息收集,并将收集的数据进行分类对比,并在分类对比后,进行数据间的对比,降低太阳能产电设备存在的偶然性,通过数据检测的准确度,同时当产电设备出现故障后,产电的数据会和数据临界数值产生差异,其数据的增幅量发生改变,如此便可以获取每个产电设备组的产电情况,以便于在其中某个产电设备出现故障后,可以及时的发现并处理,保证装置的正常产电。
附图说明
图1为本发明的整体流程示意框图。
实施方式
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,都属于本发明保护的范围。
实施例
太阳能发电的方式,存在故障率低,易于维修、安装的好处,目前处于新能源电量的主要产电方式,故在太阳能发电的场所中,不需要对太阳能发电装置进行监视,唯有在太阳能发电装置出现故障才会对发电装置进行维修,而太阳能发电装置是通过多组太阳能板组成,当其中某个太阳能板出现故障时,其发电设置整体很难被发现,如此便会导致损坏的太阳能板出现长时间无人维修的情况,进而影响电量的产生,同时安装在居民家中的产电装置无法判断是否存在故障,当出现故障时,也无法进行维修,故需要一种系统对新能源结算数据进行异常检测,使发电设备在出现故障后,可以的到及时的维修。
为解决上述的问题,本发明提供一种基于数据聚类的新能源结算数据异常检测与预警方法,请参阅图1,包括以下步骤:
S1、按照新能源数据接收到的时间,对新能源数据进行分间保存,并在保存数据的时候,对分间保存的数据进行信息的标记;
在所述S1执行的过程中,分间保存的新能源数据之间无相关性,即在同一时间段将多个数据来源端传输来的信息进行保存,以便于数据的批量存储以及后期的批量提取,方便后期数据的结算。
S2、对保存的数据进行数据类别的分类,并在有新的数据保存时,识别保存的数据内容,并根据识别的内容,对数据进行归纳;
执行所述S2时的具体步骤如下:
S2.1、提取S1中保存的数据,提取的数据为同一数据来源端传输来的数据,并将提取的数据按照时间的顺序进行排序,使同一数据来源的数据整合在一起,以便于后期对整合的数据进行处理,同时也可以根据整合在一起的数据来判断发电设备的产电情况;
S2.2、对排序的数据进行顺序性的整理,将数据中不同类别的数据分开识别,并将同类别的数据整合在一起,通过将数据进行识别,使不同类别的产电量分开,相同类别得产电量整合在一起,以便于后续在进行数据处理的过程中,可以清晰的判断正常或异常的电量数据属于什么位置的,便于在出现数据异常后,方便维修人员对发电设备的维修。
所述S2.2中将数据中不同类别的数据分开识别的方法采用数据匹配算法,其算法步骤为:
设域A为任意一个数据间中的新能源数据集合,域B为新能源标准数据间中的新能源数据集合,计算域A相对于域B的异常度Y,所述异常度Y满足:
;
为域A和域B的相似度,满足:/>;
为域A相对于域B的差异度,满足:/>;
为域B相对于域A的差异度,满足:/>;
其中,表示域A和域B的交集,/>表示域A和域B的并集,A\B表示域A对域B的差集,B\A表示域B对域A的差集;
异常度Y满足边界条件:
X1:当域A数据无异常时,且/>,则Y=0;
X2:当域A数据存在异常时,、/>且/>,则Y≠0。
如果异常度大于预设阈值,则进行自动报警。
如果异常度较小,可以看出A、B之间相似度较大,A很大程度的包含着B,B可认为是A的子集,即域A批次中新能源数据将域B中的新能源数据的类别全部囊括,当B不为A的子集时,表明域中的新能源数据中存在新的类别的数据,需要将此类不同的数据提取出来,如此便可以判断出两个数据之间是否均由相同类别的数据,如都是在同一个区域的太阳能产电还是风力产电或者是居民产电等。
S3、对每个批次的数据进行处理,并制定新能源标准数据,以制定的新能源标准数据为数据临界数值,并对同一数据来源的数据和新能源标准数据对比,并在对比后将此次对比的数据和上次对比的数据进行对比;
在所述S3执行时的具体步骤如下:
S3.1、按照每个数据来源的标准数据进行新能源标准数据的制定,并将制定新能源标准数据作为数据临界数值,数据临界数值的确定是通过产电设备的标准产电量来进行确定的;
S3.2、按照S2.2中数据排序的顺序,不同批次的数据对比,在对比时采用逐级对比的方法进行对比,在对比的过程中,将同一数据来源的数据和新能源标准数据对比,确定数据和数据临界数值之间的比例关系,并在比例关系确定后,本次对比得到的比例关系和上次对比得到的比例关系进行比较,获得本次数据的增幅情况;
S3.3、将本次对比得到的比例关系和上次对比得到的比例关系进行比较,对数据变动幅度过大的数据进行单独的提取,并在提取后,将提取的数据从对比的数据中删除掉,对比留下的数据按照批次顺序进行保存。
对所述S3.3中的数据变动幅度过大的数据进行单独的提取时,判断数据变动幅度过大的依据为:制定数据变动幅度范围,数据变动幅度范围是由数据来源的标准数据为中点,并根据新能源数据来源的工作情况设置的以标准数据为中点的浮动区间。
S4、设置对比数据间,并将每个数据间的数据进行整合再进行对比,分析同一来源的数据新能源数据是否正常。
所述S4在执行的具体内容如下:
S4.1、将S3.3中按照批次顺序保存的数据进行分组,分出来的每组为对比数据间,将每个数据间中数据的最大值和最小值进行去除,并将保留下来的数据进行平均值的计算;
S4.2、将计算出平均值的数据间进行对比,计算出上一个对比间的平均值和本次计算出来的数据间的平均值的数据变动幅度;
所述S4.2中计算出上一个对比间的平均值和本次计算出来的数据间的平均值的振幅量的公式为:
;
式中,为本次计算出来的数据间的平均值,/>为计算出上一个对比间的平均值,/>为本次计算出来的数据间的平均值相对于计算出上一个对比间的平均值的振幅量,
通过计算来判断本次计算的数据间的数据相对于上一个数据间数据的涨幅情况,以便于后续判断新能源数据端传输的数据是否正常
S4.3、将计算出来的数据变动幅度和数据变动幅度范围进行对比,判断计算出来的数据变动幅度是否在数据变动幅度范围之内。
作为本技术方案的进一步改进,所述S4.3中在判断计算出来的振幅量数值是否在数据变动幅度之内的结果有两种:
结果一:计算出来的数据变动幅度在数据变动幅度范围之内,此时表明新能源数据正常,无需进行其他操作;
结果二:计算出来的数据变动幅度不在数据变动幅度范围之内,此时表明新能源数据出现异常,此时进行预警,对对应的新能源数据传输端的设备进行检查维修。
通过对太阳能发电设备的产电数据信息收集,并将收集的数据进行分类对比,并在分类对比后,进行数据间的对比,降低太阳能产电设备存在的偶然性,通过数据检测的准确度,同时当产电设备出现故障后,产电的数据会和数据临界数值产生差异,其数据的增幅量发生改变,如此便可以获取每个产电设备组的产电情况,以便于在其中某个产电设备出现故障后,可以及时的发现并处理,保证装置的正常产电。
以上显示和描述了本发明的基本原理、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仅为本发明的优选例,并不用来限制本发明,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 (7)
1.一种基于数据聚类的新能源结算数据异常检测与预警方法,其特征在于:包括以下步骤:
S1、按照新能源数据接收到的时间批次,为新能源数据赋予时间标志位flag1;对具有相同时间标志位flag1的新能源数据存进行分间保存,并在保存数据的时候,为分间保存的数据赋予数据间标志位flag2;
分间保存时,使同一批数据间内的新能源数据之间无相关性,包括:建立具有时间标志位flag1、数据间标志位flag2和来源端标志位flag3的映射规则,所述映射规则满足约束条件:
T1:将批存储器的按地址序号由小至大排序;
T2:对于具有相同时间标志位flag1的数据,识别其来源端标志位flag3;
T3:对于具有相同来源端标志位flag3的数据,按顺序存入批存储器,并赋予数据间标志位flag2;
S2、对保存的数据进行数据类别的分类,并在有新的数据保存时,识别保存的数据内容,并根据识别的内容,对数据进行归纳;
S3、对每个时间批次的数据进行处理,并建立新能源标准数据间,以制定的新能源标准数据为数据临界数值,为同一时间批次多个数据来源端传输来的新能源标准数据赋予来源端标志位flag3,并对具有相同数据间标志位flag2的新能源数据和新能源标准数据对比,并在对比后将此次对比的数据和上次对比的数据进行对比;
S4、设置对比数据间,并将每个数据间的数据进行对比,分析同一来源的新能源数据是否正常。
2.根据权利要求1所述的基于数据聚类的新能源结算数据异常检测与预警方法,其特征在于:执行所述S2时的具体步骤如下:
S2.1、提取S1中保存的数据,提取的数据为同一数据来源端传输来的数据,并将提取的数据按照时间的顺序进行排序;
S2.2、对排序的数据进行顺序性的整理,将数据中不同类别的数据分开识别,并将同类别的数据整合在一起;所述S2.2中将数据中不同类别的数据分开识别的方法采用数据匹配算法,其算法步骤为:
设域A为任意一个数据间中的新能源数据集合,域B为新能源标准数据间中的新能源数据集合,计算域A相对于域B的异常度Y,所述异常度Y满足:
;
为域A和域B的相似度,满足:/>;
为域A相对于域B的差异度,满足:/>;
为域B相对于域A的差异度,满足:/>;
其中,表示域A和域B的交集,/>表示域A和域B的并集,A\B表示域A对域B的差集,B\A表示域B对域A的差集;
异常度Y满足边界条件:
X1:当域A数据无异常时,且/>,则Y=0;
X2:当域A数据存在异常时,、/>且/>,则Y≠0。
3.根据权利要求2所述的基于数据聚类的新能源结算数据异常检测与预警方法,其特征在于:在所述S3执行时的具体步骤如下:
S3.1、按照每个数据来源的标准数据进行新能源标准数据的制定,并将制定的新能源标准数据作为数据临界数值;
S3.2、按照S2.2中数据排序的顺序,不同批次的数据对比,在对比时采用逐级对比的方法进行对比,在对比的过程中,将同一数据来源的数据和新能源标准数据对比,确定数据和数据临界数值之间的比例关系,并在比例关系确定后,将本次对比得到的比例关系和上次对比得到的比例关系进行比较,获得本次数据的增幅情况;
S3.3、将本次对比得到的比例关系和上次对比得到的比例关系进行比较,对数据变动幅度过大的数据进行单独的提取,并在提取后,将提取的数据从对比的数据中删除掉,对比留下的数据按照批次顺序进行保存。
4.根据权利要求3所述的基于数据聚类的新能源结算数据异常检测与预警方法,其特征在于:对所述S3.3中的数据变动幅度过大的数据进行单独的提取时,判断数据变动幅度过大的依据为:制定数据变动幅度范围,数据变动幅度范围是由数据来源的标准数据为中点,并根据新能源数据来源的工作情况设置的以标准数据为中点的浮动区间。
5.根据权利要求4所述的基于数据聚类的新能源结算数据异常检测与预警方法,其特征在于:所述S4在执行的具体内容如下:
S4.1、将S3.3中按照批次顺序保存的数据进行分组,分出来的每组为对比数据间,将每个数据间中数据的最大值和最小值进行去除,并将保留下来的数据进行平均值的计算;
S4.2、将计算出平均值的数据间进行对比,计算出上一个对比间的平均值和本次计算出来的数据间的平均值的数据变动幅度;
S4.3、将计算出来的数据变动幅度和数据变动幅度范围进行对比,判断计算出来的数据变动幅度是否在数据变动幅度范围之内。
6.根据权利要求5所述的基于数据聚类的新能源结算数据异常检测与预警方法,其特征在于:所述S4.3中在判断计算出来的数据变动幅度是否在数据变动幅度范围之内的结果有两种:
结果一:计算出来的数据变动幅度在数据变动幅度范围之内,此时表明新能源数据正常,无需进行其他操作;
结果二:计算出来的数据变动幅度不在数据变动幅度范围之内,此时表明新能源数据出现异常,此时进行预警,对对应的新能源数据传输端的设备进行检查维修。
7.根据权利要求6所述的基于数据聚类的新能源结算数据异常检测与预警方法,其特征在于:所述S4.2中计算出上一个对比间的平均值和本次计算出来的数据间的平均值的数据变动幅度的公式为:
;
式中,为本次计算出来的数据间的平均值,/>为计算出上一个对比间的平均值,为本次计算出来的数据间的平均值相对于计算出上一个对比间的平均值的数据变动幅度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310372352.9A CN116089843B (zh) | 2023-04-10 | 2023-04-10 | 一种基于数据聚类的新能源结算数据异常检测与预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310372352.9A CN116089843B (zh) | 2023-04-10 | 2023-04-10 | 一种基于数据聚类的新能源结算数据异常检测与预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116089843A CN116089843A (zh) | 2023-05-09 |
CN116089843B true CN116089843B (zh) | 2023-09-08 |
Family
ID=86187311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310372352.9A Active CN116089843B (zh) | 2023-04-10 | 2023-04-10 | 一种基于数据聚类的新能源结算数据异常检测与预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116089843B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117614746B (zh) * | 2024-01-23 | 2024-04-05 | 湖南恒茂信息技术有限公司 | 一种基于历史统计判定偏差行为的交换机防御攻击方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101006437A (zh) * | 2004-08-13 | 2007-07-25 | ClearSpeed科技公司 | 处理器存储系统 |
JP2010114701A (ja) * | 2008-11-07 | 2010-05-20 | Ricoh Co Ltd | 組データ分別方法、故障予測方法、組データ分別装置、故障予測装置、及び画像形成装置 |
WO2013051101A1 (ja) * | 2011-10-04 | 2013-04-11 | 株式会社日立製作所 | 時系列データ管理システム,および方法 |
CN106371939A (zh) * | 2016-09-12 | 2017-02-01 | 山东大学 | 一种时序数据异常检测方法及其系统 |
CN109086793A (zh) * | 2018-06-27 | 2018-12-25 | 东北大学 | 一种风力发电机的异常识别方法 |
CN110889118A (zh) * | 2018-09-07 | 2020-03-17 | 广州视源电子科技股份有限公司 | 异常sql语句检测方法、装置、计算机设备和存储介质 |
-
2023
- 2023-04-10 CN CN202310372352.9A patent/CN116089843B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101006437A (zh) * | 2004-08-13 | 2007-07-25 | ClearSpeed科技公司 | 处理器存储系统 |
JP2010114701A (ja) * | 2008-11-07 | 2010-05-20 | Ricoh Co Ltd | 組データ分別方法、故障予測方法、組データ分別装置、故障予測装置、及び画像形成装置 |
WO2013051101A1 (ja) * | 2011-10-04 | 2013-04-11 | 株式会社日立製作所 | 時系列データ管理システム,および方法 |
CN106371939A (zh) * | 2016-09-12 | 2017-02-01 | 山东大学 | 一种时序数据异常检测方法及其系统 |
CN109086793A (zh) * | 2018-06-27 | 2018-12-25 | 东北大学 | 一种风力发电机的异常识别方法 |
CN110889118A (zh) * | 2018-09-07 | 2020-03-17 | 广州视源电子科技股份有限公司 | 异常sql语句检测方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
新能源发电侧异常数据的检测方法研究;王沛霖;《中国优秀硕士学位论文全文数据库》;第2022年卷(第11期);C042-164 * |
Also Published As
Publication number | Publication date |
---|---|
CN116089843A (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108062571B (zh) | 基于差分进化随机森林分类器的光伏阵列故障诊断方法 | |
CN109660206B (zh) | 一种基于Wasserstein GAN的光伏阵列故障诊断方法 | |
CN109359697A (zh) | 一种电力设备巡检中使用的图形图像识别方法及巡查系统 | |
CN116089843B (zh) | 一种基于数据聚类的新能源结算数据异常检测与预警方法 | |
CN110750524A (zh) | 一种有源配电网故障特征的确定方法及系统 | |
CN111667135B (zh) | 一种基于典型特征提取的负荷结构解析方法 | |
CN112327189B (zh) | 一种基于knn算法的储能电池健康状态综合判断方法 | |
CN113988489B (zh) | 电碳因子的预测评估方法、装置及可读存储介质 | |
CN110889441A (zh) | 一种基于距离和点密度的变电设备数据异常识别方法 | |
CN115601197B (zh) | 光伏电站的异常状态检测方法、装置 | |
CN113866455A (zh) | 基于深度学习的桥梁加速度监测数据异常检测方法、系统和装置 | |
CN111695493A (zh) | 一种输电线路隐患的检测方法及系统 | |
CN113484817A (zh) | 基于tsvm模型的智能电能表自动化检定系统异常检测方法 | |
CN109948738B (zh) | 涂装烘干室的能耗异常检测方法、装置 | |
CN113780402A (zh) | 一种基于改进式生成对抗网络的用户窃电检测方法 | |
CN113516162A (zh) | 一种基于OCSVM和K-means算法的工控系统流量异常检测方法与系统 | |
CN115001394B (zh) | 基于人工智能的太阳能电池状态监测方法及系统 | |
CN115840920A (zh) | 光伏组串单日可分异常分类方法、装置、设备及存储介质 | |
CN115187259A (zh) | 基于无监督式机器学习的区块链异常交易识别方法和系统 | |
CN110929800B (zh) | 一种基于sax算法的商业体异常用电检测方法 | |
WO2022096571A1 (en) | Solar energy facility monitoring | |
CN114154567A (zh) | 一种基于机器学习的风电场站运行数据异常识别方法 | |
CN111476383A (zh) | 一种泵站机组状态检修动态决策方法 | |
CN112381130A (zh) | 一种基于聚类分析的配电房多元数据异常检测方法 | |
CN116739623B (zh) | 一种基于区块链技术的交易数据跟踪分析方法 |
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 |