谢智
- 作品数：2 被引量：12H指数：2
- 供职机构：国网四川省电力公司更多>>
- 发文基金：国家电网公司科技项目更多>>
- 相关领域：电气工程更多>>
- 多特征提取与深度学习关口计量装置异常事件识别方法被引量：6
- 2021年
- 针对现有研究对关口计量装置定期检修会造成人力物力的浪费,以及通过指标赋权进行打分受人工干预较明显等不足,该文基于用户用电采集系统中的异常事件数据,提出一种多特征提取与深度学习相结合的关口计量装置异常事件识别的方法。通过分析不同计量异常事件反映出的数据异常形式,从不同维度提取14个特征,并将归一化后的特征作为深度学习模型的输入。在此基础上,通过无监督的预训练和有监督微调构建深度学习模型,自动学习得到输入特征与类别标签之间的非线性映射关系,构建出能识别关口计量装置异常事件的分类识别模型。通过某地区电网多个关口计量装置终端的数据对所提方法进行验证,结果证明所提方法能够准确识别出不同的异常事件,且具有良好的鲁棒性。
- 徐严军吴蒙白佳灵丁熠辉谢智卢宏肖先勇
- 关键词：关口计量装置特征提取
- 基于多维尺度分析和改进K-means的台户关系辨识方法被引量：6
- 2020年
- 智能电网的快速发展对配电网侧的精细管理提出了更高的要求。然而,终端用户难以和台区管控的配电变压器准确配准,使得台区智能化管控的多个高级应用难以推进。配电网运行过程中的海量数据,尤其是电压数据的变化趋势能够反映配网的线变关系。为此,介绍了基于多维尺度分析(muti-dimensional scaling,MDS)和改进K-means的台户关系辨识方法。首先,通过MDS算法对台区变压器低压侧所采集到的电压数据进行降维处理,从而降低整体算法计算量,提高算法效率;并根据特定应用场景对K-means算法做了如下改进:包括以变压器总相数确定聚类个数、以变压器出口电压作为初始聚类中心,并用相关系数作为衡量相似度的标准,从而提升算法的整体准确性。算例分析结果表明:所提方法能够有效提升台区用户辨识的准确度,在低密度数据或问题复杂度增加的情况下依旧能够保持较高的识别精度,且效果稳定。
- 王家驹万忠兵何仲潇汪佳谢智王枭
- 关键词：配电网多维尺度分析降维改进K-MEANS相关系数
