本文主要研究内容
作者罗慧,刘梅招,周钰山,张宸,潘文文,刘阳,卫志农（2019）在《基于长短期记忆网络的智能用电数据甄别方法》一文中研究指出：针对智能配用电大数据背景下用电数据中存在数据异常和质量低的问题,提出一种基于长短期记忆(long short term memory, LSTM)网络的电力数据异常数据甄别方法。首先,对历史电流、电压和功率等时间序列进行滚动抽样,构建电力数据样本库;其次,使用样本库训练LSTM网络模型,优化模型参数;然后,基于训练后的网络模型,针对目标电表进行用电数据模拟,预测未来时刻的电流、电压和功率序列;最后,设置阈值参数,比较电表数据预测值与真实值之间的误差,实现异常数据甄别。采用实际电表的用电数据进行实验分析,通过实验比较LSTM网络模型与原型聚类法、密度聚类法等方法在人工异常曲线中的检测准确率,同时分别测试人工添加噪声信号的序列与系统运行中实际故障的序列。多组实验结果表明:所提出方法能准确检测异常数据,适用于多种用电数据的异常数据甄别,并能够保证电力系统的长期可靠运行。
Abstract
zhen dui zhi neng pei yong dian da shu ju bei jing xia yong dian shu ju zhong cun zai shu ju yi chang he zhi liang di de wen ti ,di chu yi chong ji yu chang duan ji ji yi (long short term memory, LSTM)wang lao de dian li shu ju yi chang shu ju zhen bie fang fa 。shou xian ,dui li shi dian liu 、dian ya he gong lv deng shi jian xu lie jin hang gun dong chou yang ,gou jian dian li shu ju yang ben ku ;ji ci ,shi yong yang ben ku xun lian LSTMwang lao mo xing ,you hua mo xing can shu ;ran hou ,ji yu xun lian hou de wang lao mo xing ,zhen dui mu biao dian biao jin hang yong dian shu ju mo ni ,yu ce wei lai shi ke de dian liu 、dian ya he gong lv xu lie ;zui hou ,she zhi yu zhi can shu ,bi jiao dian biao shu ju yu ce zhi yu zhen shi zhi zhi jian de wu cha ,shi xian yi chang shu ju zhen bie 。cai yong shi ji dian biao de yong dian shu ju jin hang shi yan fen xi ,tong guo shi yan bi jiao LSTMwang lao mo xing yu yuan xing ju lei fa 、mi du ju lei fa deng fang fa zai ren gong yi chang qu xian zhong de jian ce zhun que lv ,tong shi fen bie ce shi ren gong tian jia zao sheng xin hao de xu lie yu ji tong yun hang zhong shi ji gu zhang de xu lie 。duo zu shi yan jie guo biao ming :suo di chu fang fa neng zhun que jian ce yi chang shu ju ,kuo yong yu duo chong yong dian shu ju de yi chang shu ju zhen bie ,bing neng gou bao zheng dian li ji tong de chang ji ke kao yun hang 。
论文参考文献
论文详细介绍
论文作者分别是来自广东电力的罗慧,刘梅招,周钰山,张宸,潘文文,刘阳,卫志农，发表于刊物广东电力2019年02期论文，是一篇关于电力大数据论文,数据挖掘论文,异常数据甄别论文,长短期记忆网络论文,广东电力2019年02期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自广东电力2019年02期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：电力大数据论文; 数据挖掘论文; 异常数据甄别论文; 长短期记忆网络论文; 广东电力2019年02期论文;