LSTM在输变电设备缺失值填补中的应用

论文摘要

输变电设备是电网的重要组成部分,其状态量值表征了设备的基本运行状态。由于一些不可控因素,在采集时会有一些"空值"。这些缺失值不仅意味着信息空白,更重要的是它会影响后续数据挖掘和统计分析等工作的进行。文中提出了一种基于长短时记忆网络(LSTM)的缺失值填补方法,与经典的数据挖掘方法进行对比,实验表明所提方法的填补结果在均方根误差这一评价指标上有20%的提升。同时还综合考虑了同一设备下其他不同状态量以及气象因素的影响。最后,利用所述方法对国网某省公司电网线路的在线监测数据进行了缺失值填补和验证,结果表明该方法在常规条件下具有较好的填补效果。

论文目录

• 0 引言
• 1 LSTM原理介绍
•   1.1 RNN原理
•   1.2 LSTM原理
• 2 填补方法流程
• 3 数据预处理
•   3.1 数据全貌
•   3.2 数据预填补
• 4 单因素变量预测量测值
•   4.1 回归模型预测
•     4.1.1 特征提取
•     4.1.2 模型训练
•   4.2 LSTM网络预测
• 5 多因素变量预测量测值
•   5.1 不同状态量因素
•   5.2 气象因素
• 6 结束语

文章来源

类型: 期刊论文

作者: 辜超,白德盟,王晶,闫丹凤

关键词: 长短时记忆网络,缺失值填补,电力设备状态数据

来源: 电测与仪表 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 国网山东省电力公司电力科学研究院,北京邮电大学网络与交换国家重点实验室

基金: 国家高技术研究发展计划(“863”计划)(2015AA050204)

分类号: TM63

DOI: 10.19753/j.issn1001-1390.2019.05.011

页码: 63-69+142

总页数: 8

文件大小: 512K

下载量: 247