摘要：随着浙江省电力市场化改革的深入,偏差考核和“月结月清”的模式对抄表准确性提出了更高的要求,从数据异常校验规则出发,设计出一套基于神经网络算法的抄表数据异常判断方法作为当前抄表数据异常判断的改进部分。该改进将有效监测出抄表数据中的异常,及时校正抄表人员的错漏,提高电费结算准确性。

摘要：为有效检测出电力调度数据异常,设计基于大数据分析的电力调度数据异常自动检测方法。首先利用大数据分析技术采集海量的电力调度数据,并构建时间序列模型;其次提取异常特征参数,表征数据波动性;最后更新数据集合,在异常检测器中创建多个子异常检测器,自动检测电力调度数据异常。实验结果表明,设计方法异常查全数和异常查准数分别为384和323,准确率较高。

摘要：继电保护整定数据通常包括多个来源。这些数据可能存在缺失、错误或噪声干扰,会对异常识别造成困扰。为此,设计新的基于数字孪生的继电保护整定数据异常自动识别方法,通过将实际设备的行为和特性建模到计算机虚拟环境中,利用数字孪生实时获取、提取继电保护整定数据,以此数据为依据,提取继电保护数据的波动性特征,并输出特征的具体变动,筛选和识别异常数据。结果表明,该研究方法能准确提取继电保护的整定数据,且对其异常识别的误差始终小于2%。

摘要：无线传感器网络(Wireless Sensor Network,WSN)数据异常处理效率保障了现在智能的高效率运行。在分析1/4超球面支持向量机(Quarter-Sphere support vector machines,QSSVM)测试模型的基础上,进行深度信念网络(Deep Belief Network,DBN)构建实现,设计了一种可以实现在线测试功能的异常检测算法。研究结果表明:随着窗口大小的增加,所需要的计算时间增多。QSSVM在窗口开始扩大时便产生变化,主要表现在准确度的持续提高。QSSVM检测性能随着样本维度不断升高得到较大提升,相反K-means的检测性能却有降低趋势。采用QSSVM算法处理560维HAR数据时,测试结果显示检测率高达94.16%。该研究能够满足大规模高维传感器的数据处理需求,具有很高的应用价值。

摘要：在识别电力系统运行数据异常的过程中,由于缺乏对数据之间关联关系的分析,识别结果的误差相对较大,因此提出一种基于模糊规则的电力系统运行数据异常识别方法。在构建电力系统运行数据模糊规则阶段,充分考虑了电力系统运行数据自身的属性特征,以合理粒度为原则,构建了具有多层结构的模糊规则,对数据的特征参量进行分割处理后,根据数据集中隐含的结构信息构建了电力系统运行数据之间的关联关系。在数据异常识别阶段,将模糊规则作为判断标准,计算电力系统运行数据的特异性程度,并通过约束模糊粒度保障识别结果的精度。测试结果证明,设计方法对不同程度数据异常的识别误差始终稳定在3.0%以内。

摘要：针对智慧城市边缘感知数据类型多、数据维度大和存在数据异常等问题,提出基于时序的边缘检测异常数据算法。对解决该问题的基于边缘计算的智慧城市物联网、大数据分析框架进行设计,同时设计边缘服务增强现实框架;对智慧城市边缘检测异常数据问题进行定义,设计检测流程和时序关联计算算法,提出基于时序关联的智慧城市边缘检测异常数据算法。对设计的算法,利用感知设备采集数据,进行大量实验与仿真对比分析,实验结果表明,该算法在解决时序关联多维数据异常检测的准确率和召回率方面,具有一定的优越性。

摘要：阐述基于数据异常检测方法的校园网络安全方案设计,分析校园网络中的数据流量、访问模式和行为特征,建立一个异常检测模型,能够及时检测出网络中的异常活动和潜在威胁。

摘要：以红水河特大桥一发双收声波测井为原型,对阻抗面陡倾条件下声波测井数据异常的原因进行分类分析,阐明多层非均匀倾斜介质中声波测井出现首波初至误判、信号缺失的基本逻辑和原因。针对陡倾多层介质及Ⅴ型声阻抗界面切割情况下声波测井信号缺失的问题,采用几何声学方法对典型的概化模型进行半定量分析,提出数据取值原则和修正方法。

摘要：异常数据的存在导致零售交易信息服务平台的用户体验不佳,因此需要设计零售交易信息服务平台运行数据异常辨识方法。文章首先采用网络爬虫技术采集平台数据,并对数据进行预处理,其次利用主成分分析法对数据进行特征提取,最后通过k-means聚类算法实现异常数据辨识。实验结果表明,该方法对数据异常辨识的精确度高、误差小、速度快。

摘要：为了解决热能发电大数据异常检测时,存在误报率高、检测率低和漏报率高的问题,提出了基于DBSCAN聚类的热能发电大数据异常检测模型。首先通过时间序列模型对原始发电大数据进行异常值修正,然后将修正后的数据归一化处理,最后基于Spark Streaming设计Streaming DBSCAN算法,结合历史数据和相似发电厂数据的聚类特征,完成热能发电异常数据的检测。实验结果表明,所提方法可以有效降低误报率和漏报率、提高检测率并准确地获取异常值。