基于深度置信网络和随机森林的电力扰动检测方法

• 作者: 何志强 刘兵 卢凯 周洋 胡婧
• 来源期刊: 供用电
• 学科: 工学
• 关键词: 电力扰动 扰动检测 特征提取 数据分析 深度置信网络
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 特别策划
• 页码范围: 17-22,28
• 页数: 7页
• 分类号: TM71
• 字数: 4050字
• 语种: 中文
• DOI: 10.19421/j.cnki.1006-6357.2020.09.003

摘要

电力扰动数据中包含着大量与设备异常运行状态有关的信息,某些设备的扰动特征很微弱,但却会对设备的运行产生一定的影响,对这些扰动数据的检测将有利于准确感知设备运行状态,防止设备发生故障.提出了一种基于深度置信网络的电力扰动数据检测方法,利用深度置信网络强大的特征提取能力,自动学习出蕴含在扰动数据中的隐藏特征,摆脱人为提取特征的依赖.最后将学习到的特征作为随机森林的输入,实现对电力扰动数据的检测.利用某变电站记录到的实测数据和PSCAD/EMTDC中的仿真数据进行了验证,结果表明所提方法能够准确检测出电力扰动数据,证实了利用深度置信网络检测电力扰动数据的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡婧		1	0	0.0	0.0
2	周洋		1	0	0.0	0.0
3	何志强		3	1	1.0	1.0
4	刘兵		3	0	0.0	0.0
5	卢凯		1	0	0.0	0.0