导读:本文包含了负荷检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:负荷,数据,算法,负荷量,异常,指数,服务器。
负荷检测论文文献综述
王玺凯,王琳,房怡君,樊冬梅,杜永锋[1]（2019）在《某冶炼厂工人体内镉负荷检测分析》一文中研究指出为了解冶炼工人体内金属的负荷水平,检测864名工人及1 101名对照人群的血镉和尿镉含量。采用SPSS 19.0软件对数据进行统计学分析。结果显示,厂区工人血镉中位数(M)和四分位数间距(Q)分别为8.9和17.28μg/L;有67.1%血镉值超过职业接触生物限值5μg/L。对照人群血镉均值和中位数(M)分别为4.7和2.8μg/L。提示,该冶炼厂工人血镉升高由近期职业接触所致。(本文来源于《工业卫生与职业病》期刊2019年05期）
张春燕[2]（2019）在《基于数据挖掘的电力负荷异常数据检测与修正研究》一文中研究指出随着智能电网自动化信息平台的建立,电力系统负荷数据的规模、类型及结构都发生了较大的变化。在电网实际运行过程中,电力负荷数据的质量对负荷预测精度和电网运行稳定性有着决定性的影响。为确保电力负荷数据的准确性与完整性,需要对电力负荷数据中的异常数据进行检测并给予修正。然而,现有电力负荷异常数据检测与修正方法容易出现异常值漏检与误检,以及对异常数据修正精度较低的问题,严重影响了电力系统负荷数据的质量,导致预测的负荷变化规律对电能生产与调度分配失去了指导意义,甚至影响电网安全稳定运行。本文针对电力系统负荷异常数据存在检测效率和修正精度较低的问题,提出了基于数据挖掘的电力负荷异常数据检测与修正方法。具体研究工作如下:1、基于可能性模糊C均值(PFCM)算法的电力负荷异常数据检测方法因算法自身存在初始化参数难以选取、易陷入局部最优等缺陷,易引起负荷曲线聚类结果有效性差、异常负荷数据检测效率低的问题。针对上述不足,本文分别利用动态调节权重的优化粒子群(PSO)算法与重新定义的聚类有效性函数对PFCM算法的初始中心及数目进行优化,提出了一种基于改进PFCM聚类算法的电力负荷异常数据检测方法。实验结果表明,改进的异常负荷数据检测方法不仅提高了负荷曲线聚类的有效性,而且有效降低了电力负荷异常数据检测的错误率。2、针对径向基核函数(RBF)神经网络修正异常数据时因网络结构参数选取不合理导致修正结果精确度不高的问题,本文提出一种遗传算法(GA)优化RBF的电力负荷异常数据修正方法。首先在初始化RBF神经网络后对基函数宽度、中心、以及连接权值、隐藏层神经元数目通过全局寻优能力较强的遗传算法编码联合寻优。然后对多次迭代寻优找到的最优种群个体进行解码以得到RBF神经网络的对应参数。最后利用优化的RBF神经网络对电力负荷异常数据进行修正。通过验证性对比实验结果表明,本文提出的修正方法能更准确的对异常负荷数据进行修正。3、针对RBF神经网络因训练样本选取不合理导致异常数据修正结果精度低的问题,本文利用PSO-PFCM的聚类结果训练GA-RBF网络,以实现对电力异常数据负荷更准确的修正。该修正方法充分利用能更好反应负荷曲线整体特性的聚类结果训练GA-RBF神经网络。仿真实验结果表明,基于聚类结果训练的GA-RBF神经网络的异常值修正方法有效提高了异常负荷数据的修正精度。(本文来源于《兰州理工大学》期刊2019-05-20）
杨维,张才俊,申蕾,穆松鹤[3]（2019）在《智能多代理客户服务器负荷状态自动检测技术》一文中研究指出智能多代理客户服务器负荷状态表现为一组非线性时间序列,通过对智能多代理客户服务器负荷状态的准确自动检测,避免智能多代理客户服务器负荷状态过载和服务器数据转发集中拥堵,保障客户服务器稳定可靠运行。提出一种基于Lyapunov指数谱预测的智能多代理客户服务器负荷状态自动检测算法。构建了智能多代理客户服务器负荷状态数据传输链路模型,采用IIR滤波实现对智能多代理客户服务器负荷状态数据信息流的抗干扰滤波处理,对智能多代理客户服务器负荷状态时域分量进行Lyapunov指数谱特征提取,根据Lyapunov指数在谱图中的规则性实现对负荷状态走势的自动检测,实现智能多代理客户服务器负荷状态自动检测算法改进。仿真实验结果表明,采用该算法进行智能多代理客户服务器负荷状态自动检测的自动性较好,指向性较高,抗干扰力较强,在多代理客户服务器负荷管理和调度中具有较好的应用性。(本文来源于《自动化与仪器仪表》期刊2019年04期）
赵庆,邵慧莹,董会国[4]（2019）在《面向云存储的智能电网负荷完整性攻击检测方法研究》一文中研究指出针对智能电网中遭到攻击者精心合成的虚假数据注入攻击后,影响系统状态估计的结果,从而导致控制中心做出错误的决策的问题,本文提出一种基于密码学的虚假数据注入攻击检测方法。该方法应用密码学原理对系统测量值进行加密,并利用云对系统量测值进行存储。有效地对虚假数据注入攻击进行负荷完整性检测,并进行正确性分析。(本文来源于《数字技术与应用》期刊2019年03期）
康晓燕,金志红,赵震宇[5]（2018）在《基于负荷分类的台区线损数据快速检测系统设计》一文中研究指出对于传统系统普遍存在的检测精准度低问题,提出了基于负荷分类的台区线损数据快速检测系统设计。根据影响线损电流、电压、负荷曲线、电气设备、电力规划与电网安全的指标来说明数据来源,依据台区线损计算原理,对系统总体结构进行设计。以工作主站为硬件核心,设计C/S分布式处理服务器,保证用户界面完整性。采用模块组合方式,根据不同用户对终端系统进行配置,以32位单片机为主设计客户终端,保证检测可靠性。设计通用分组无线服务网通信电路,利用RS232接口与主机相连接,以此对软件进行现场维护。将系统软件划分为存储层、处理层和表示层,可实现系统终端参数维护,根据台区线损计算范围,确定线路分段数与电阻值。通过计算台区总线损,获取线损精准数据,由此实现线损数据快速检测。由实验结果可知,该系统最高检测精准度可达到95%,为台区稳定供电提供支持。(本文来源于《自动化与仪器仪表》期刊2018年12期）
程洋[6]（2018）在《高负荷下船舶柴油机滑动轴承位移检测方法研究》一文中研究指出现有船舶柴油机滑动轴承位移检测方法存在定位精准性较低、检测灵活性不达标等弊端。为解决上述问题,提出高负荷下的新型船舶柴油机滑动轴承位移检测方法。通过标准化自相关系数确定、位移量特征聚类2个步骤,完成高负荷柴油机滑动轴承位移检测准备。在此基础上,通过滑动检测时间窗口选择、位移频域特征提取、检测流程完善3个步骤,完成新型检测方法的搭建,实现高负荷下船舶柴油机滑动轴承位移检测方法研究。对比实验结果表明,与现有检测方法相比,应用新型船舶柴油机滑动轴承位移检测方法后,定位精准性、检测灵活性等指标均得到一定程度的提升。(本文来源于《舰船科学技术》期刊2018年24期）
翁菲菲,冯文化[7]（2018）在《血管过度负荷指数检测对2型糖尿病合并急性心肌梗死患者预后临床意义的观察》一文中研究指出目的探讨血管过度负荷指数(VOI)检测对判断T2DM合并急性心肌梗死(AMI)患者预后的价值。方法选取T2DM合并AMI患者(T2DM+AMI组)69例、同期住院的单纯T2DM患者(T2DM组)70例及同期健康体检者(NC组)70名,计算并比较各组VOI值。根据VOI水平将T2DM+AMI组分为高VOI亚组31例和低VOI亚组38例,随访8～18个月,观察两亚组心血管不良事件发生率,并绘制生存曲线。结果(1)T2DM+AMI组和T2DM组SBP、DBP、FPG、HbA1c、LDL-C、TG、TC、SUA、血浆纤维蛋白原(FIB)、心室收缩末期内径(LVESD)、心室舒张末期内径(LVEDD)、左心室射血分数(LVEF)、天门冬酸氨基转移酶(AST)、乳酸脱轻酶(LDH)及C肌酸激酶的同工酶(CK-MB)均高于NC组,HDL-C低于NC组(P<0.05或P<0.01)。T2DM+AMI组SBP、DBP、FPG、HbA1c、SUA、FIB、AST、LDH及CK-MB高于T2DM组(P<0.05或P<0.01)。(2)T2DM+AMI组和T2DM组24hVOI[(28.69±4.30)vs(18.39±3.65)vs (9.86±2.28)mmHg]及06:00～14:00VOI[(37.40±6.00)vs(23.16±4.22)vs(6.68±1.17)mmHg]、14:00～22:00VOI[(25.86±3.95)vs(19.24±3.64)vs(6.11±1.20)mmHg]、22:00～06:00VOI[(25.74±3.41)vs(20.14±3.66)vs(18.28±3.50)mmHg]均高于NC组,T2DM+AMI组高于T2DM组(P<0.01)。(3)高VOI亚组心血管不良事件发生率高于低VOI亚组[18(58.06%)vs 5(13.16%),P<0.01],高VOI亚组无心血管不良事件存活时间低于低VOI亚组[(9.15±2.00)vs(11.92±2.44)月,P<0.01]。结论糖尿病合并AMI患者VOI水平升高,可能与心血管事件的发生存在一定的相关性。(本文来源于《中国糖尿病杂志》期刊2018年12期）
周洁莉,曾韶英,唐琛[8]（2018）在《高危型HPV负荷量水平检测在宫颈病变评估中的应用价值》一文中研究指出目的分析高危型人乳头瘤病毒(HPV)负荷量水平检测对于宫颈病变评估的应用价值。方法选取2016年2月~2018年3月我院收治的420例宫颈病变患者作为研究对象,包括200例慢性宫颈炎,50例宫颈上皮内瘤样病变(CIN)Ⅰ,57例CINⅡ,62例CINⅢ,51例宫颈癌,全部患者均选择杂交捕获Ⅱ(HC-Ⅱ)方法对高危型HPV负荷量进行检测,对检测结果进行观察分析。结果不同宫颈病变程度患者的高危型HPV负荷量比较差异有统计学意义(P<0.05),高危型HPV负荷量最高的宫颈病变为宫颈癌,其次分别为CINⅠ、CINⅡ、CINⅢ、慢性宫颈炎。CINⅡ、CINⅢ、宫颈癌高危型HPV负荷量>1000所占患者比例显着高于慢性宫颈炎、CINⅠ,比较差异有统计学意义(P<0.05),不同宫颈病变程度患者的高危型HPV负荷量差异有统计学意义(P<0.05)。结论而高危型HPV负荷量最高的则为宫颈癌患者,通过检测高危型HPV负荷量水平能对宫颈病变进行准确评估,值得临床推广应用。(本文来源于《中国当代医药》期刊2018年32期）
肖江,Fran?ois,AUGER,荆朝霞,Sarra,HOUIDI[9]（2018）在《基于贝叶斯信息准则的非侵入式负荷事件检测算法》一文中研究指出用户负荷数据监测是实现需求侧管理的基础,非侵入式负荷监测技术是负荷监测的重要发展方向,而事件检测是非侵入式负荷监测中的一个关键环节。对适用于模型选取问题的贝叶斯信息准则进行建模,将贝叶斯信息准则首次运用到事件检测当中,利用快速事件检测算法降低贝叶斯信息准则检测算法的误检率,并能解决CUSUM算法中产生的漏检问题。最后采用真实数据集进行测试。实验结果表明,相比于CUSUM算法,基于贝叶斯信息准则的事件检测算法能达到更好的检测准确性,并且能明显提高计算运行的速度。(本文来源于《电力系统保护与控制》期刊2018年22期）
朱昌敏[10]（2018）在《基于spark模型的电力异常数据检测和短期负荷预测》一文中研究指出电网的信息化与智能化程度不断的提升使得电力数据量越来越大,给数据的处理和分析带来很大的困难。在智能电网大数据应用处理的过程中,数据的实时性存储、高效处理、多源异构数据的融合以及数据的可视化方面面临着严峻的挑战,需要深入对这些方面开展研究,切实发挥大数据在保障电网安全稳定运行的作用。电力大数据挖掘的基础是电力大数据平台,通过大数据平台可实现智能电网数据共享,对各类数据进行存储、处理、分析及应用,激发电力市场潜力,挖掘电力数据中蕴含的价值。针对电力系统中的异常数据将导致电力系统状态估计结果的准确性降低,传统聚类算法处理海量高维数据时单机计算资源不足,Map-Reduce框架不能有效处理频繁迭代计算等问题。本文从电力异常数据检测与修正和短期负荷预测两个方面阐述电力大数据与智能电网的深度融合,基于Spark大数据计算平台,提出一种改进ISODATA聚类算法对异常数据进行检测与修正;基于Spark大数据计算平台,利用XGBoost算法将历史用电数据、日期特征、天气数据等不同种类的数据,通过特征提取和特征转换,构建模型进行短期用电负荷预测。(本文来源于《南京邮电大学》期刊2018-11-14）
负荷检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着智能电网自动化信息平台的建立,电力系统负荷数据的规模、类型及结构都发生了较大的变化。在电网实际运行过程中,电力负荷数据的质量对负荷预测精度和电网运行稳定性有着决定性的影响。为确保电力负荷数据的准确性与完整性,需要对电力负荷数据中的异常数据进行检测并给予修正。然而,现有电力负荷异常数据检测与修正方法容易出现异常值漏检与误检,以及对异常数据修正精度较低的问题,严重影响了电力系统负荷数据的质量,导致预测的负荷变化规律对电能生产与调度分配失去了指导意义,甚至影响电网安全稳定运行。本文针对电力系统负荷异常数据存在检测效率和修正精度较低的问题,提出了基于数据挖掘的电力负荷异常数据检测与修正方法。具体研究工作如下:1、基于可能性模糊C均值(PFCM)算法的电力负荷异常数据检测方法因算法自身存在初始化参数难以选取、易陷入局部最优等缺陷,易引起负荷曲线聚类结果有效性差、异常负荷数据检测效率低的问题。针对上述不足,本文分别利用动态调节权重的优化粒子群(PSO)算法与重新定义的聚类有效性函数对PFCM算法的初始中心及数目进行优化,提出了一种基于改进PFCM聚类算法的电力负荷异常数据检测方法。实验结果表明,改进的异常负荷数据检测方法不仅提高了负荷曲线聚类的有效性,而且有效降低了电力负荷异常数据检测的错误率。2、针对径向基核函数(RBF)神经网络修正异常数据时因网络结构参数选取不合理导致修正结果精确度不高的问题,本文提出一种遗传算法(GA)优化RBF的电力负荷异常数据修正方法。首先在初始化RBF神经网络后对基函数宽度、中心、以及连接权值、隐藏层神经元数目通过全局寻优能力较强的遗传算法编码联合寻优。然后对多次迭代寻优找到的最优种群个体进行解码以得到RBF神经网络的对应参数。最后利用优化的RBF神经网络对电力负荷异常数据进行修正。通过验证性对比实验结果表明,本文提出的修正方法能更准确的对异常负荷数据进行修正。3、针对RBF神经网络因训练样本选取不合理导致异常数据修正结果精度低的问题,本文利用PSO-PFCM的聚类结果训练GA-RBF网络,以实现对电力异常数据负荷更准确的修正。该修正方法充分利用能更好反应负荷曲线整体特性的聚类结果训练GA-RBF神经网络。仿真实验结果表明,基于聚类结果训练的GA-RBF神经网络的异常值修正方法有效提高了异常负荷数据的修正精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
负荷检测论文参考文献
[1].王玺凯,王琳,房怡君,樊冬梅,杜永锋.某冶炼厂工人体内镉负荷检测分析[J].工业卫生与职业病.2019
[2].张春燕.基于数据挖掘的电力负荷异常数据检测与修正研究[D].兰州理工大学.2019
[3].杨维,张才俊,申蕾,穆松鹤.智能多代理客户服务器负荷状态自动检测技术[J].自动化与仪器仪表.2019
[4].赵庆,邵慧莹,董会国.面向云存储的智能电网负荷完整性攻击检测方法研究[J].数字技术与应用.2019
[5].康晓燕,金志红,赵震宇.基于负荷分类的台区线损数据快速检测系统设计[J].自动化与仪器仪表.2018
[6].程洋.高负荷下船舶柴油机滑动轴承位移检测方法研究[J].舰船科学技术.2018
[7].翁菲菲,冯文化.血管过度负荷指数检测对2型糖尿病合并急性心肌梗死患者预后临床意义的观察[J].中国糖尿病杂志.2018
[8].周洁莉,曾韶英,唐琛.高危型HPV负荷量水平检测在宫颈病变评估中的应用价值[J].中国当代医药.2018
[9].肖江,Fran?ois,AUGER,荆朝霞,Sarra,HOUIDI.基于贝叶斯信息准则的非侵入式负荷事件检测算法[J].电力系统保护与控制.2018
[10].朱昌敏.基于spark模型的电力异常数据检测和短期负荷预测[D].南京邮电大学.2018
论文知识图
