20外文文献翻译原文和译文参考样式.docVIP

PAGE  华 北 电 力 大 学 毕 业 设 计（论 文）附 件 外 文 文 献 翻 译 学 号： 081901010206 姓 名： 段翔 所在院系： 电力工程系 专业班级： 电气08k2 指导教师： 常鲜戎 原文标题： An Electric Energy Consumer Characterization _Framework Based on Data Mining Techniques 年 月 日 基于数据挖掘技术的电力能源消费表征框架翻译我就不看了，你自己看着通顺就好了，快毕业了，认真点儿，以后工作了想起来自己曾经独立做过一个课题，多自豪啊。而且再有领导交给你类似的任务你也会有自信心，你要是不读研的话也就这一次尝试的机会了 摘要本文提出了基于在数据库知识发现（KDD）的程序，数据挖掘（DM）技术应用过程的不同阶段，支持，电力消费表征框架。这个框架工作的核心是一个数据挖掘模型的基础上，结合无监督和监督学习技术。两个主要的模块组成：负载分析模块和分类模块框架。负载分析模块创建了一套使用聚类操作，并为每个类代表的负荷曲线的消费类。分类模块使用这方面的知识，建立分类模型，可以分配不同的消费者对现有类。 一 导言 东北电力市场自由化的主要后果之一是，所有客户将有他们的电力供应商的选择上的自由。这种新的情况下创造的环境中，一些零售企业竞争力为最终用户的电力应。提出关于电力零售市场概述。为了获得良好运作的市场是必不可少的，关于数据收集和说明，并在不同的市场参与者之间的通信协议的定义来定义新的规则和结构。这种新的结构将显著增加市场参与者所收集的数据量。这个数据的增长在一个动态的形式。 发展的框架和工具，能够从这些数据中提取有用的知识，可以为市场参与者的竞争优势。收集负载在许多国家的研究开发项目。在这些项目中定义的重要工具之一，是代表不同的消费者，其负荷曲线类。负载分析一直是研究的问题，在过去几年里。数据挖掘技术用于负荷曲线确定不同类型的消费者考虑天气条件的影响。统计和聚类技术使用上的负荷曲线的关税优惠和市场策略，以支持发展的决心。在数据库中的知识发现（KDD）的过程中，从电力消费数据中提取有用的知识。在这个过程中的数据挖掘技术的应用，对过程的不同阶段，寻找不同的消费模式。这些图案是代表他们的负荷分布，每个图案代表了消费类。这方面的知识是有益的发展决策支持系统，以支持足够的期权合约和市场策略的定义。  原文出处及作者：Vera Figueiredo, Fátima Rodrigues, Zita Vale, Member, IEEE, and Joaquim Borges Gouveia 然而，现有的数据和它的动态增长的增加将带来新的挑战负荷分析和消费特征。新的工具必须能够处理所有实时数据库的共同问题，如噪音，缺失值和离群，大量的数据。这些工具必须是灵活，坚固耐用，能够提供一个方便知识的现实化，作为新的数据是可用的。从电力消费数据的知识提取。这是基于应用的数据挖掘技术的负荷曲线，代表不同的消费模式的消费者样本的决心和表征。一个分类工具，以支持新的消费者现有的类归于补充表征。该框架是能够在一个简单而有效的方式对待不同的数据集，并提供消费类负荷曲线所代表，与分类模型一样的结果。这些结果可以作为新的数据收集更新。 图1 表征框架结构 二 表征纲要的 此框架基础上的知识发现数据挖掘（DM）技术应用过程的不同阶段，支持的过程。一个描述框架的结构图。可以识别以下主要步骤。 1，数据选择：显着的尺寸，初始数据库，数据存储与电力消费者。第一步是选择具有更大的意义的过程数据。本次评选是根据消费者的电压水平。必须进 行独立的研究，以不同的电压等级。 2，数据清洗和预处理：在清理阶段，我们的数据和离群不一致的检查将被删除使用下列程序。反常的消费价值观和中断检测和更换类似天的信息的基础上。遗漏值在预处理阶段利用回归技术进行检测和更换。线性回归是用来估计数值属　性，如缺失值的措施，数据回归是用来估计失踪的商业信息，如活动的类型，随着关税的类型等，实时数据库中的重大问题，尽量减少和清理，并完成初始数据集的过程，像标称的属性。 3，数据减少：减少数据使用以前的知识约的方式，载荷条件，像今年赛季的平日（工作日或周末），数据，影响了电力消耗。数据是分开的，根据不同的负载条件下，在较小的数据集，我们有两个数据集，今年，一个工作日和周末的另一个。要获得一个更有效的数据减少，没有松动的重要信息，从每个消费者的数据??减少。这是基于减少对日负荷实测图，对应于每个负载条件下，一个代表负荷图。这代表负载图得到拟订的测量活动的数据。对于每一位消费者，