电力系统的信息分类过滤方法研究.docVIP

精品论文 参考文献 电力系统的信息分类过滤方法研究 炜达科技股份有限公司；广东惠州；516000 摘要：本文针对一种基于小波多窗谱特征提取的大型电力系统的信息分类过滤方法。首先构建了大型电力系统的信息数据实体模型，分析大型电力系统干扰数据产生的机理，构建信息数大型电力系统的信息分类过滤方法研究据特征挖掘模型；然后采用小波多窗谱特征提取算法实现对信息的分类过滤，达到算法改进的目的；最后进行仿真试验实现性能验证，得出有效性结论。 关键词：电力系统；信息过滤；分类 1、大型电力系统的数据信息实体模型及问题描述 1.1. 实体模型设计及信息滤除机制体系架构 在大型电力配电通信网管理系统设计与开发研究中，难点需要对通信网的干扰信号进行有效抑制和滤波，并进行数据信息分类管理，研究的首要任务是构建大型电力系统的数据信息实体模型。大型电力系统的数据信息管理实体模型主要由三个主体组成：客户端（Client）、控制器（Controller）和服务器（Server）。服务器便是大型电力系统数据信息上传的最终存储节点，数据上传至服务器端时，采用延迟滤除来提高系统的效率。由于电力系统的管理结构已经被划分为多个处理器核来设计，每个核都比较简单，有利于优化设计。在电力信息数据实体模型构建中，令R为大型电力系统的信息数据中包含四元组（Ei，Ej，d，t）的信任关系，构建电力数据分类属性A＝{A1，A2，…，Am}，数据特征挖掘中，每一个特征点点定义自相关函数，即 式中，(xi,yi)为窗W内的频次角点。由于电力系统中实体数据库特征差异性，并行分析数据流角度均值和角度标准差按下式进行分类查询，即 令H(x,y)表示两个不同的数据信息干扰特征点(x,y)的海明距离；u＝us＋t…ut＋1ut…u1c，v＝vs＋t…vt＋1vt…v1c1，vprime;＝vs＋t…vt＋1vt…v1c2，（c1ne;c2）分别为交换超立方网的三个节点。设u为源节点，v为目的节点，利用简单的状态空间模型为每个大型电力系统的干扰信息进行建模，得到权向量W1＝[0.70.1 0.1 0.1]，判断矩阵具有传递性，即满足等式：aijajk＝aik，当上式对判断矩阵所有元素都成立时，把大型电力系统的干扰信息看作信息流进行微分盲卷积处理，以节点的有优劣性作为选择判断的依据。通过上述处理，实现了对大型电力系统中的数据信息的实体模型设计及信息滤除机制体系架构，为下一步进行信息分类过滤算法设计奠定基础。 1.2. 电力系统信息分类问题描述及信号模型构建 在对电力系统的信息实体模型构建的基础上，构建电力系统的信息分类信号模型，数据集合中含有n个样本，其中样本xi(i＝1,2,…,n)的特征矢量为 采用小波多窗谱特征提取算法对多维数据进行数据预处理，把数据集分为2n个子集，现在把有限数据集合X分为c类，1＜c＜n，二维空间中进行最近邻点模糊有哪些信誉好的足球投注网站，得到大型电力系统信息数据的最近邻聚类的模糊聚类中心矩阵为 由于在聚类过程中出现新类别的概率极大，因此需要进行KNN中心区域的聚类中心扩展处理，针对大型电力系统信息数据的类域交叉性进行一次差分比较。其中，Vi为聚类中心的第i个聚类中心矢量，按照大型电力系统信息数据中文本相似度，得到多窗谱模糊划分矩阵，即 在测试文本的k个近邻中，依次计算每类的权重，即 大型电力系统信息数据包转换等待时间为 比较第二层中第一类中的第k类的子类，得到大型电力系统信息聚类中心利用率为 由此构建了电力系统的信息特征信号模型，为进行数据信息的分类和过滤提供准确的数据基础。 2、小波多窗谱特征提取的提出及算法改进实现 2.1. 电力系统信息数据的小波多窗谱特征提取 在上述进行电力系统信息数据实体模型构建和信号模型构建的基础上，针对传统的信息分类过滤方法采用K－means数据聚类算法。当电力系统的数据变化幅度较大时，针对干扰数据的过滤效果不好的问题，本文提出一种基于小波多窗谱特征提取的大型电力系统的信息分类过滤方法。构建小波函数，得到大型电力系统的信息数据库的特征双曲调频母小波为