-
题名能源互联网终端用户异常负荷数据辨识与修正
被引量：1
- 1
-
-
作者
张凯
郭威
魏新杰
杨小龙
罗欣
-
机构
国网河北省电力有限公司
国网河北省电力有限公司营销服务中心
国网河北省电力有限公司信息通信分公司
北京清软创新科技股份有限公司
-
出处
《电测与仪表》
北大核心
2024年第11期61-67,共7页
-
基金
国家电网有限公司总部科技项目(1300-2020 13387A-0-0-00)。
-
文摘
随着能源互联网的快速发展,终端用户侧用能数据呈现爆炸式增长。采集到的海量数据因自身设备故障或者外部环境因素影响会出现大量的异常负荷数据。文章提出了基于PSO-BiLSTM神经网络的能源互联网异常负荷数据检测与修正方法。所提方法首先通过大量正常负荷数据训练双向LSTM模型,并选择粒子群(particle swarm optimization, PSO)优化算法对预测模型的参数进行寻优,将经过参数调优的双向LSTM模型用于负荷预测。基于负荷预测结果,采用误差分析和异常值判定准则来检测负荷曲线中的异常负荷数据,最后将检测出的异常负荷数据应用预测结果对其进行修正。实验证明,所提方法具有较好的异常负荷数据检测效果,且易于训练,异常负荷数据检测错误率较低。
-
关键词
能源互联网
异常负荷检测
异常负荷修正
双向LSTM
误差分析
-
Keywords
energy Internet
abnormal load detection
abnormal load correction
bidirectional LSTM
error analysis
-
分类号
TM714
[电气工程—电力系统及自动化]
-
