公开(公告)号：CN106640547B

公开(公告)日：2020-08-18

申请号：CN201611049881.1

申请日：2016-11-24

Applicant: 东北电力大学

Inventor： 娄建楼 ,  曹慧 ,  潘峰 ,  肖继哲 ,  曲朝阳

IPC: F03D17/00

Abstract: 本发明提供一种用于监测风电机组异常状态的方法。该方法包括：对风电数据进行离散化预处理，以生成排序的数据集，该排序的数据集包括根据所述风电数据的属性划分的多个区间；将排序的数据集存储为频繁模式树的形式；遍历频繁模式树以查找最大子空间集；利用多维聚类方法将最大子空间集中的风电数据划分为多个聚类簇；以及将多个聚类簇划分为正常簇和异常簇，以监测所述风电机组的状态。通过本发明的方法，可以对包括多维属性的风电数据的异常点进行挖掘，具有较高的异常状态识别率。

公开(公告)号：CN108182257A

公开(公告)日：2018-06-19

申请号：CN201711500260.5

申请日：2017-12-29

Applicant: 东北电力大学

Inventor： 娄建楼 ,  肖继哲 ,  曲朝阳 ,  王蕾 ,  郭晓利

IPC: G06F17/30

Abstract: 本发明公开了一种基于区域密度统计方法优化的GSA不良数据检测与辨识方法，基于区域密度统计方法优化的GSA辨识法在算法执行的过程中，通过计算密度参数最大的数据对象，选出k个距离最远的最高密度区域的点作为最优的聚类初值，大大提高了算法的精确度，有效的避免了GSA肘形判据算法的缺点。在面对大规模的电网数据，可以通过最优聚类初值的选取，有效的减少迭代计算的计算量，大大减少计算时间。在避免残差污染和残差淹没的基础上，计算更为客观准确，计算速度大为提高；对于大系统、数据量巨大的情况，该方法是一种快速高效的算法。

公开(公告)号：CN106640547A

公开(公告)日：2017-05-10

申请号：CN201611049881.1

申请日：2016-11-24

Applicant: 东北电力大学

Inventor： 娄建楼 ,  曹慧 ,  潘峰 ,  肖继哲 ,  曲朝阳

IPC: F03D17/00

Abstract: 本发明提供一种用于监测风电机组异常状态的方法。该方法包括：对风电数据进行离散化预处理，以生成排序的数据集，该排序的数据集包括根据所述风电数据的属性划分的多个区间；将排序的数据集存储为频繁模式树的形式；遍历频繁模式树以查找最大子空间集；利用多维聚类方法将最大子空间集中的风电数据划分为多个聚类簇；以及将多个聚类簇划分为正常簇和异常簇，以监测所述风电机组的状态。通过本发明的方法，可以对包括多维属性的风电数据的异常点进行挖掘，具有较高的异常状态识别率。