基于改进LSTM-VAE的配电网异常负荷检测方法研究OA北大核心CSTPCD
针对目前配电网负荷数据异常检测方法准确率低的问题,提出将改进的长短期记忆网络和变分自编码器相结合用的配电网负荷异常检测方法。通过残差结构对长短期记忆网络进行优化,提高特征学习能力,并将优化后的长短期记忆网络替换变分自编码器的BP神经网络层(编码和解码),可以更好地获得负荷数据的时间相关性。通过与常规检测方法的试验对比,验证了所提检测方法的优越性。结果表明,相比于常规负荷数据异常检测方法,所提方法具有更好的检测准确率,异常检测准确率为97.30%,比未引入残差结构提高了1.70%,比LSTM模型提高了7.00%,比PSO-PFCM模型提高了4.80%。可为配电网自动化的发展提供一定的参考。
荆志朋;柴林杰;胡诗尧;
国网河北省电力有限公司经济技术研究院,石家庄050021
动力与电气工程
配电网负荷数据异常检测长短期记忆网络变分自编码器
《电测与仪表》 2024 (009)
P.71-76 / 6
国家电网有限公司科技项目(5204JY20000B)。
评论