面向电力工程信息处理的多元数据特征提取与融合.pdfVIP

第33卷第5期电子设计工程2025年3月

Vol.33No.5ElectronicDesignEngineeringMar.2025

面向电力工程信息处理的多元数据特征提取与融合

徐晓军，李奎，张秋琼，张方银，王曙光

（贵州电网有限责任公司电网规划研究中心，贵州贵阳550002）

摘要：针对输变电工程影响因素多、数据样本复杂多变容易导致工程数据处理和预测难度增加的

问题，文中提出了一种基于多元数据特征提取与融合技术的电力工程信息处理模型。该模型运用

多个堆栈稀疏自编码器（SSAE）从电力工程各类数据中分别提取特征信息，借助竞争粒子群算法优

化的回声状态网络（CSO-ESN）实现信息融合并输出预测结果。以电力工程信息中的静态投资数

据为样本进行的多组对比实验结果表明，所提模型的预测误差范围为1.82%~5.95%，可以有效实现

电力工程数据信息的处理与合理预测，具有良好的普适性与准确性。

关键词：电力工程数据；多元特征融合；堆栈稀疏自编码器；回声状态网络；趋势分析

中图分类号：TN40；TP332文献标识码：A文章编号：1674-6236（2025）05-0120-05

DOI：10.14022/j.issn1674-6236.2025.05.025

Multivariatedatafeatureextractionandfusionforpowerengineeringinformation

processing

XUXiaojun，LIKui，ZHANGQiuqiong，ZHANGFangyin，WANGShuguang

（PowerGridPlanningResearchCenter，GuizhouPowerGridCo.，Ltd.，Guiyang550002，China）

Abstract:Inresponsetotheincreasingdifficultyofengineeringdataprocessingandpredictioncausedby

multipleinfluencingfactorsandcomplexandvariabledatasamplesinpowertransmissionand

transformationengineering，thispaperproposesapowerengineeringinformationprocessingmodelbased

onmultivariatedatafeatureextractionandfusiontechnology.ThemodelusesmultipleStackedSparse

Auto⁃Encoder(SSAE)toextractfeatureinformationfromvariousdataofpowerengineering，andusesthe

byCompetitiveSwarmOptimized⁃EchoStateNetwork(CSO⁃ESN)algorithmtoachieveinformationfusion

andoutputpredictionresults.Theresultsofmultiplecomparativeexperimentsusingstaticinvestment

datainpowerengineeringinformationassamplesshowthatthepredictionerrorrangeoftheproposed

modelis1.82%~5.95%，whichcaneffectivelyachievetheprocessingandreasonablepredictionofpower

engineeringdatainformationandhasgooduniversalityandaccur