调度自动化系统的异常数据辨识和数据质量是电力系统精准调度和预测的基础,为数据分析提供了可靠的保障。针对异常数据对调度自动化系统的影响,提出一种调度自动化系统主子站通道异常数据辨识模型。首先,构建基于参数自适应的密度噪声...调度自动化系统的异常数据辨识和数据质量是电力系统精准调度和预测的基础,为数据分析提供了可靠的保障。针对异常数据对调度自动化系统的影响,提出一种调度自动化系统主子站通道异常数据辨识模型。首先,构建基于参数自适应的密度噪声空间聚类算法(Parameter Adaptation-Density Based Spatial Clustering of Applications With Noise,PADBSCAN)对异常数据进行辨识。此外,基于自相关性理论和数据传输的周期性,分析和挖掘传输数据以及用电行为中的潜在规律,通过用电相似度判据消除时间偏移的影响,对伪异常数据进行辨识。基于山东省某市的调度自动化系统主子站通道实测数据对本文方法有效性进行验证,结果表明所提方法能够有效辨识异常数据,能够满足实际工程需要。展开更多
鉴于油田配电网中包含多种类型异常数据,不利于负荷预测、电能决策处理和调度分配等工作,因此异常负荷的辨识与修正对提高负荷数据的有效性、可靠性和建立安全、高效和可持续发展的电力系统十分必要。基于上述原因,提出了一种箱线图和...鉴于油田配电网中包含多种类型异常数据,不利于负荷预测、电能决策处理和调度分配等工作,因此异常负荷的辨识与修正对提高负荷数据的有效性、可靠性和建立安全、高效和可持续发展的电力系统十分必要。基于上述原因,提出了一种箱线图和生成式对抗网络(WGAN)相结合的数据异常辨识方法,该方法运用箱线图法完成油田电网有功功率、无功功率、电流等数据的异常识别,使用基于Wasserstein生成式对抗网络(WGAN)算法实现数据拟合和生成,为后续基于LSTM(Long-and-Short Term Memory)的负荷预测模型提供数据支撑。在原始数据存在较多缺失的情况下,模型预测值的绝对百分比误差均小于4%,说明预测准确性较高。展开更多
文摘调度自动化系统的异常数据辨识和数据质量是电力系统精准调度和预测的基础,为数据分析提供了可靠的保障。针对异常数据对调度自动化系统的影响,提出一种调度自动化系统主子站通道异常数据辨识模型。首先,构建基于参数自适应的密度噪声空间聚类算法(Parameter Adaptation-Density Based Spatial Clustering of Applications With Noise,PADBSCAN)对异常数据进行辨识。此外,基于自相关性理论和数据传输的周期性,分析和挖掘传输数据以及用电行为中的潜在规律,通过用电相似度判据消除时间偏移的影响,对伪异常数据进行辨识。基于山东省某市的调度自动化系统主子站通道实测数据对本文方法有效性进行验证,结果表明所提方法能够有效辨识异常数据,能够满足实际工程需要。
文摘鉴于油田配电网中包含多种类型异常数据,不利于负荷预测、电能决策处理和调度分配等工作,因此异常负荷的辨识与修正对提高负荷数据的有效性、可靠性和建立安全、高效和可持续发展的电力系统十分必要。基于上述原因,提出了一种箱线图和生成式对抗网络(WGAN)相结合的数据异常辨识方法,该方法运用箱线图法完成油田电网有功功率、无功功率、电流等数据的异常识别,使用基于Wasserstein生成式对抗网络(WGAN)算法实现数据拟合和生成,为后续基于LSTM(Long-and-Short Term Memory)的负荷预测模型提供数据支撑。在原始数据存在较多缺失的情况下,模型预测值的绝对百分比误差均小于4%,说明预测准确性较高。