基于BP神经网络的电力工程异常数据识别技术研究

• 作者: 杨文生 王雁宇 李海清 宦晓超
• 来源期刊: 电子设计工程
• 关键词: BP神经网络 分层系统 NIDES 分类器
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 通信与网络|Communication & Network
• 页码范围: 157-160,165
• 页数: 5页
• 分类号: TN98|TP393
• 语种: 中文
• DOI: 10.14022/j.issn1674-6236.2021.07.034

摘要

针对传统的电网工程数据识别与检测严重依赖人工核算,实时性和准确性难以得到保证的问题.为准确、高效地识别电网工程的异常数据,文中建立了分层数据监测系统.为了区分异常数据与正常数据,引入NIDES统计学模型,建立归一化的统计学架构.在对数据进行分类的基础上,选取5种神经网络进行分类对比实验.实验结果证明,BP神经网络分类结果最优、成本最低.通过对搭载BP神经网络分类器的异常数据识别系统进行压力测试可知,该系统可以精确识别出仅占全局数据5％～10％的异常数据,且总体性能良好.