摘要：设计了状态估计中不良数据的混合检测辨识通用的程序框图，并对框图进行了逐项论述说明。参照框图，用FORTRAN77语言编写程序，对18节点系统进行了数字仿真实验，得到了在无 不良数据、有不良数据、有突变量等情况下的检测辨识结果。验证了本文介绍的检测辨识方 法及程序框图的有效性。

摘要：文章针对一系列网络不良数据,以及传统不良数据管理系统管理方法存在的不良信息数据识别度偏低、动态检测不强等问题,提出依托SDN框架设计不良数据计算机网络管理系统。实际设计中,通过与SDN框架优势相互结合,给出不良数据计算机网络管理系统包含的功能模块,如:NVR数据量交互模块、大数据统筹规划模块等,有效解决不良数据管理中出现的问题。通过实验研究结果可知,所设计系统在不良数据识别、统计、管理等方面有独特的优势,不良数据特征码报告生成完整度达到100%。

摘要：针对智能电网不断发展背景下,电力系统运行中受到各种因素干扰导致的不良数据问题,提出了基于Hadoop平台的电力统计不良数据高效识别方法。对文中研究背景进行分析,设计开源Hadoop平台和分布式文件系统结构,对MapReduce计算模型流程进行分析。针对Hadoop中的MapReduce实现的流程设计电力统计不良数据的识别算法,对大数据进行充分挖掘,提出数据辨识和修正,并且对提出的算法进行仿真分析。通过仿真结果表示,文中方法能够解决不良数据问题,提高辨识算法精确度。

摘要：为了准确分辨电力系统中的不良数据,从而保证电网安全运行,提出了基于分层聚合的电力系统不良数据自动辨识方法。根据电力系统主电路连接形式,计算分层标准与聚合指标的实际数值,完成基于分层聚合的电力系统规划。在此基础上,确定电力数据的不良程度,通过数据加权残差的处理方式,得到具体的辨识标度值,利用该值自动辨识电力系统不良数据。对比实验结果显示,与前推回代追踪辨识方法相比,基于分层聚合的自动辨识方法的辨识准确率较高,能够保证电网安全运行,符合实际应用需求。

摘要：在电力系统状态估计中,存在多个相关不良数据时,对不良数据的辨识就会比较困难,本文通过对电网分区,对不良数据进行了检测,对于存在不良数据的区域,通过区域的重组对不良数据进行了辨识。解决了存在多不良数据时的不良数据辨识问题,使得存在多个不良数据时不良数据辨识及状态估计结果的可靠性大大提高。

摘要：随着互联网的飞速发展,网络信息交互量不断增大;各类不良网络交互信息数据充斥着网络交互空间,给网络社交秩序造成破坏;为此,一系列网络不良数据管理系统孕育而出;通过长期实践发现,传统不良数据计算机网络管理系统的管理方式存在不良数据动态检测性不强、不良信息数据内容识别度低、不良数据管理逻辑性差等问题;通过与SDN框架的优势相结合,提出SDN框架下不良数据计算机网络管理系统设计;采用NVR数据量交互模块、数据特征DNA内容识别算法与大数据统筹规划模块,对传统不良数据管理系统方式中存在的问题进行解决;通过实验证明,提出的SDN框架下不良数据计算机网络管理系统比传统的数据管理系统,在不良数据识别、检测、统计、管理等方面上具有绝对优势。

摘要：针对传统辨识模型存在的耗时长、误差大的问题,本文研究了基于深度学习的信息传输过程不良数据辨识模型。应用卷积神经网络模型对数据样本展开分类,应用深度置信网络模型对分类结果实施反馈微调。在此基础上,设计网络训练和数据聚类过程,通过设置最佳阈值来保证聚类稳定性和辨识精度,从而实现对信息传输过程中不良数据的有效辨识。实验结果表明相比于传统模型,该模型的辨识过程耗时较少,且辨识误差更低,证明其具有更高的应用价值。

摘要：根据传统不良数据管理系统使用中出现的问题,并归纳出现上述问题的根源,提出基于SDN框架设计不良数据计算机网络管理系统,以此有效解决传统管理系统的不足。文章重点基于SDN框架下不良数据计算机网络管理系统开发应用展开分析。

摘要：电力系统不良数据识别方法以单一误差为标准多次比对、多次循环,难以同时处理大量数据,导致不良数据识别误差大、速率低。为改进不良数据识别方法存在的缺陷,设计了基于分布式并行计算的电力系统不良数据识别方法。采用MapReduce模型搭建分布式并行计算框架;设定不良数据判断标准,预处理电力数据;利用标准残差向量和残差灵敏度,识别电力系统不良数据。通过试验验证识别方法的应用效果,结果表明所提方法的平均识别相对误差为12.51%,多种类不良数据漏检率较低,证实了该识别方法的应用效果良好。

摘要：传统的电力通信过程不良数据辨识方法的消噪能力较差,导致辨识效率较低。为此,本研究基于小波分析设计了新的电力信息通信过程不良数据辨识方法。根据小波变换的奇异性对电力信息通信过程进行局部奇异性检测,根据检测结果,结合神经网络算法区分正常数据和不良数据。然后采用软阈值和硬阈值去噪方法消除不良数据中的含噪信号,在计算噪声强度后,将某一尺度内的小波变换系数的平方由小到大排列,并计算似然估计向量,再根据向量中的最小值和最大值删除信号中的噪声部分。实验结果表明:该方法能够有效提高消噪能力、增强辨识效率。