基于长短期记忆网络的电力系统量测缺失数据恢复方法

• 作者: 王子馨 胡俊杰 刘宝柱
• 来源期刊: 电力建设
• 关键词: 电力系统 量测缺失数据恢复 长短期记忆网络 随机森林
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 能源互联网人工智能关键技术及其应用|Key Technologies and Applications of Artificial Intelligence in Internet of Energy
• 页码范围: 1-8
• 页数: 8页
• 分类号: TM73
• 语种: 中文
• DOI: 10.12204/j.issn.1000-7229.2021.05.001

摘要

随着电力系统规模不断增大,电力系统量测数据呈现快速增长趋势.然而海量数据的采集、测量、传输和存储等过程均可能出现数据缺失问题,从而威胁电网安全.针对电力系统量测缺失数据问题,文章提出了一种基于长短期记忆(long short-term memory,LSTM)网络的缺失数据恢复方法.首先,基于LSTM网络具有提取电力系统量测数据时序规律的特性,提出一种双层全连接LSTM网络模型,利用已知数据建立对缺失数据的映射.其次,为提高系统不同数据状态下的恢复精度,提出了一种随机森林状态辨识方法和考虑缺失数据位置的恢复策略.最后,利用仿真数据和实测数据验证该方法的有效性和准确性,结果表明该方法无需系统拓扑参数即可显著提高电力系统量测数据质量.