大规模用电数据流的快速聚类和异常检测技术
对近年来在电力系统中出现的大规模数据流进行了探讨,目的是利用流式计算技术提高系统的实时性和安全性。针对大规模用电信息采集中用电数据流的快速聚类和异常检测技术展开研究。结合分布式流式计算平台Spark Streaming,基于用电行为在纵向时间和横向空间上表现出的聚类特性,即同类用户具有相似用电模式和同一用户历史数据具有相似性,设计并实现了流式DBSCAN聚类算法,以实现对大规模用电数据流的快速异常检测。设计并搭建了支持大规模数据流处理的实验环境,证明了算法的有效性。
数据流、聚类、异常检测、流式计算、用电行为
40
TP3;TP1
国家自然科学基金资助项目51277074;河北省自然科学基金资助项目F2014502069;中央高校基本科研业务费专项资金资助项目13MS103.This work is supported by National Natural Science Foundation of China No.51277074 Hebei Provincial Natural Science Foundation of China No. F2014502069 and the Fundamental Research Funds for the Central Universities No.13MS103
2017-02-14（万方平台首次上网日期，不代表论文的发表时间）
共7页
27-33
