基于多维特征的电网海量日线损数据异常识别研究

TM93; 鉴于现有线损数据异常识别方法无法判断异常线损原因,且查全率低等问题,提出了基于多维特征的电网海量日线损数据异常识别方法.融合各类电力运行数据,组建多维特征日线损数据异常溯源模型,使用皮尔逊相关系数计算不同线路间变压器与电压的关联性,明确线损异常原因;归一化处理日线损数据,引入时间离散度理念评估线损异常程度,利用神经网络学习获得负荷变化下线损数据异常计算模型,输入不同节点负荷值完成日线损数据异常识别操作.仿真实验结果表明,提出方法可以判断异常线损原因,并且异常识别查全率高达94％,提升了电网海量日线损数据异常识别准确性,解决了线损数据异常计算的偏差问题....

Full description

Saved in:
Bibliographic Details
Published in电测与仪表 Vol. 61; no. 9; pp. 85 - 91
Main Author 杨铮宇
Format Journal Article
LanguageChinese
Published 云南电网有限责任公司,昆明 650000 15.09.2024
Subjects
线损数据
line loss data
anomaly identification
BP neural network
BP神经网络
异常识别
多维特征
实时线损
real-time line loss
multi-dimensional features
Online AccessGet full text
ISSN1001-1390
DOI10.19753/j.issn1001-1390.2024.09.011

Cover

More Information
Summary:TM93; 鉴于现有线损数据异常识别方法无法判断异常线损原因,且查全率低等问题,提出了基于多维特征的电网海量日线损数据异常识别方法.融合各类电力运行数据,组建多维特征日线损数据异常溯源模型,使用皮尔逊相关系数计算不同线路间变压器与电压的关联性,明确线损异常原因;归一化处理日线损数据,引入时间离散度理念评估线损异常程度,利用神经网络学习获得负荷变化下线损数据异常计算模型,输入不同节点负荷值完成日线损数据异常识别操作.仿真实验结果表明,提出方法可以判断异常线损原因,并且异常识别查全率高达94％,提升了电网海量日线损数据异常识别准确性,解决了线损数据异常计算的偏差问题.
ISSN:1001-1390
DOI:10.19753/j.issn1001-1390.2024.09.011