简介:摘要居民空调用电是夏季区域电力高峰不断刷新的主要原因之一,呈不断上升的趋势。江苏2016年电力需求响应运行已纳入了一定数量的居民用户。随着电改的深入,居民小区有规模地开展需求响应是削减区域夏季电力高峰负荷与参与辅助服务的必然趋势。南方电网居民用电数据采集关注点是每天上传一次的用电量表码数据,缺少居民小区15分钟连续采集用电量或负荷数据,因而无法相对准确、合理地确定居民小区需求响应基准、评估削减潜力及确定参与需求响应负荷削减量。本文以佛山供电局2015年禅城区31个居民小区(33,613户居民)用电数据为基础,通过对目前能采集数据的分析与挖掘,提出了基于居民小区总用电量、阶梯用电量、户型等因数的居民小区需求响应负荷基线响应响应潜力估算方法,并结合某个居民小区分户5分钟用电量数据采集进行验证。结果表明,本文提出的方法能较好地解决现有条件下居民小区需求响应负荷基线与削减潜力的估算问题,为需求响应居民小区的选择、削减潜力估算算及客户参与需求响应基线与削减量的确定提供了一种新的方法。
简介:摘要在本文中,我们将讨论一般系统的入侵检测方法,主要的想法是使用数据挖掘技术,发现相同的和有用的模式,描述程序和用户行为的系统功能,并使用相关的系统功能集计算(感应学习)的分类,可以识别异常和已知的入侵。通过实验对Sendmail系统调用数据和网络抓取数据,证明了我们可以构造简洁、准确的分类器检测异常。我们提供了两个通用的数据挖掘算法关联规则算法和频繁情节算法。这些算法可以被用来计算内和跨审计记录模式,这是必不可少的描述程序或用户行为。发现的模式可以指导审计数据收集过程和促进特征选择。为了满足高效学习(挖掘)和实时检测的挑战,我们提出了一个基于代理的体系结构的入侵检测系统的学习代理连续计算,并提供更新(检测)模型的检测代理。