一种应用半监督学习的计量装置运行状态辨识方法

doi:10.3969/j.issn.1006-2475.2020.03.016

计算机与现代化

一种应用半监督学习的计量装置运行状态辨识方法

(江苏方天电力技术有限公司，江苏南京210096)

收稿日期:2019-05-16 出版日期:2020-03-24 发布日期:2020-03-30
作者简介:马吉科（1980-），男，甘肃张掖人，工程师，本科，研究方向：大数据应用，E-mail： hdmjk@126.com；尹飞（1978-），男，安徽和县人，高级工程师，本科，研究方向：电能计量管理，E-mail： 15905166602@139.com。

A Semi-supervised Learning Method for Operating State Identification of #br# Energy Measurement Devices

(Jiangsu Fangtian Power Technology Co. Ltd.， Nanjing 210096， China)

Received:2019-05-16 Online:2020-03-24 Published:2020-03-30

摘要/Abstract

摘要： 针对计量装置运行异常在供电企业经济效益稳定增长和社会稳定发展等方面造成的负面影响且电网数据标识不全的现状，提出一种应用半监督学习的计量装置运行状态辨识方法。通过对电网数据进行分析，实现在标识不全的情况下判断计量装置运行状态。

关键词: 半监督学习, 机器学习, 计量装置

Abstract: In view of the negative impact of abnormal operation of measurement devices on the steady economic growth and social stability of power supply enterprises, and the current situation of incomplete identification of power grid data, a semi-supervised learning method for identifying the running state of measurement device is proposed. By analyzing the data of power grid, the operation state of measurement device can be judged under the condition of incomplete identification.

Key words: semi-supervised learning, machine learning, measurement device

中图分类号:

TP206

马吉科,尹飞,祝永晋,豆龙龙,李剑. 一种应用半监督学习的计量装置运行状态辨识方法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2020.03.016.

MA Ji-ke, YIN Fei, ZHU Yong-jin, DOU Long-long, LI Jian. A Semi-supervised Learning Method for Operating State Identification of #br# Energy Measurement Devices[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2020.03.016.

参考文献

［1］范洁,陈霄,周玉. 基于用电信息采集系统的电能计量装置异常智能分析方法研究［J］. 电测与仪表, 2013,50(11):4-9.
［2］廖翔. 探讨电力计量装置异常原因及监测方法［J］. 中华检验医学杂志, 2014(9):120-121.
［3］李金华. 浅谈电能计量装置竣工验收的方法［J］. 山东工业技术, 2016(23):54-55.
［4］王涓,吴旭鸣,尤鋆,等. 基于灰色GM(1,1)模型的电能计量异常分析及判断［J］. 电力需求侧管理, 2015,17(3):21-24.
［5］谭玉茹,吴琦,李婷婷,等. 用于计量异常事件分析系统的数据模拟算法［J］. 国网技术学院学报, 2016,19(1):18-22.
［6］蒋东晓,贾凤姣. 应用用电信息采集系统分析计量异常的案例［J］. 农村电工, 2017(5):49-50.
［7］向东进. 实用多元统计分析［M］. 武汉:中国地质大学出版社, 2005.
［8］梅国民. 电力计量装置异常原因及监测方法［J］. 低碳世界, 2016(23):39-40.
［9］龚学伟. 浅谈电能计量装置竣工验收的方法［J］. 技术与市场, 2017,24(4):103-104.
［10］MOULIN L S, ALVES D S A P, EL-SHARKAWI M A, et al. Support vector machines for transient stability analysis of large-scale power systems［J］. IEEE Transactions on Power Systems, 2004,19(2):818-825.
［11］陈文生. 支持向量机在高压电力计量系统故障诊断中的应用［J］. 机电工程技术, 2014(12):126-129.
［12］王同文,管霖,章小强,等. 基于扩展k阶近邻法的电力系统稳定评估新算法［J］. 电力系统自动化, 2008,32(3):18-21.
［13］鄢仁武,叶轻舟,周理. 基于随机森林的电力电子电路故障诊断技术［J］. 武汉大学学报(工学版), 2013,46(6):742-746.
［14］叶圣永,王晓茹,刘志刚,等. 基于受扰严重机组特征及机器学习方法的电力系统暂态稳定评估［J］. 中国电机工程学报, 2011,31(1):46-51.
［15］姬玉栓. 电力计量装置异常原因及监测对策［J］. 通讯世界, 2019,26(5):166-167.
［16］耿煜博. 电能计量装置误差原因及控制［J］. 科技风, 2019(14):202.
［17］施贵军,聂丽明,施佳彤. 电能计量装置接线检查与计量准确性分析［J］. 集成电路应用, 2019,36(5):117-118.
［18］陈中豪.电能计量装置运行误差及状态评价分析［J］.电子世界,2019(8):57-58.
［19］林祥勋. 浅析电能计量装置运行误差分析及状态评价方法［J］. 技术与市场, 2019,26(5):171.
［20］肖丽佳. 电能计量装置运行状态的监测与评价［J］. 集成电路应用, 2019,36(3):76-77.
［21］乔惠,杨益,赵枫,等. 浅谈供电企业智能电表计量装置管理［J］. 低碳世界, 2019,9(4):107-108.
［22］STEFANO B, FEDERICO B, ENZO M, et al. Using a volumetric apparatus to identify and measure the mass transfer resistance in commercial adsorbents［J/OL］. Microporous and Mesoporous Materials,(2019-01-09)［2019-05-01］. https://www.sciencedirect.com/science/article/abs/pii/S1387181119300150.

[1]	贾潇瑶, . 融合CatBoost和SHAP的乳腺癌预测及特征分析[J]. 计算机与现代化, 2023, 0(10): 32-38.
[2]	张芸, 白开峰, 王星, 仓甜, 周通, 段锦文, 苏晗. 智能电网环境下窃电行为检测[J]. 计算机与现代化, 2023, 0(03): 60-65.
[3]	石志伟, 武志峰, 张哲. 纠正学习策略下LightGBM-GRU模型的股票波动率预测[J]. 计算机与现代化, 2023, 0(01): 95-102.
[4]	关云鹏, 刘玉龙. 基于从共现矩阵提取关联的类别型数据聚类[J]. 计算机与现代化, 2022, 0(11): 1-8.
[5]	刘缨杰, 兰海, 魏宪. 基于卷积与稀疏编码的半监督学习方法[J]. 计算机与现代化, 2022, 0(11): 9-16.
[6]	赵延平, 王芳, 夏杨. 基于支持向量机的短文本分类方法[J]. 计算机与现代化, 2022, 0(02): 92-96.
[7]	张东方, 陈海燕, 袁立罡. S2R2:基于相关性与冗余性分析的半监督特征选择[J]. 计算机与现代化, 2021, 0(09): 113-120.
[8]	冷涛, . 基于深度学习的加密流量分类研究综述[J]. 计算机与现代化, 2021, 0(08): 112-120.
[9]	邓子云, . 一种为辅助诊断筛选机器学习模型的方法[J]. 计算机与现代化, 2021, 0(03): 88-93.
[10]	郭欣, 陈瑛, 章鸣嬛, 张璇, 潘曙明, 汤璐佳. 利用机器学习方法对灾难生命支持课程NDLS培训效果进行分析预测#br#[J]. 计算机与现代化, 2020, 0(12): 61-66.
[11]	陈平平,耿笑冉,邹敏,谭定英. 基于机器学习的文本情感倾向性分析[J]. 计算机与现代化, 2020, 0(03): 77-.
[12]	赵琦1,2,蒋朝惠1,2,周雪梅1,2,宋紫华1,2. 一种基于HTTP协议的隐蔽隧道及其检测方法[J]. 计算机与现代化, 2019, 0(06): 16-.
[13]	孙小川,芦天亮. 基于聚类的数据加权优化在犯罪预测中的应用[J]. 计算机与现代化, 2019, 0(06): 55-.
[14]	刘彬，张冀聪. 运动相关电位分类算法比较和语义范式分析[J]. 计算机与现代化, 2018, 0(11): 88-.
[15]	梁东，杨永全，魏志强. 基于支持向量机的网页正文内容提取方法[J]. 计算机与现代化, 2018, 0(09): 21-.

一种应用半监督学习的计量装置运行状态辨识方法

A Semi-supervised Learning Method for Operating State Identification of #br# Energy Measurement Devices

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价