智能电网电量异常数据的识别和修复研究.pdfVIP

第44卷第10期自动化仪表Vol.44No.10

2023年10月PROCESSAUTOMATIONINSTRUMENTATIONOct.2023

智能电网电量异常数据的识别和修复研究

陈婧,林超,薛迎卫,施炜炜

(国网信通亿力科技有限责任公司,福建福州350003)

摘要:为了提升智能电网电量数据质量、保证电网安全运行,对智能电网电量异常数据的识别和修复进行了研究。创新性地采用粒

子群优化(PSO)算法优化可能性模糊C均值(PFCM)聚类算法,组成PSO-PFCM算法。通过指标函数确定最优聚类数目和最优聚类

中心、聚类电量特征曲线,结合各类别电量曲线特征识别异常电量数据。建立径向基函数(RBF)神经网络修复模型,输入识别到的异

常电量样本数据。经归一化预处理、神经网络训练后,用输出结果替换异常电量值,以实现异常电量数据的修复。试验结果表明:该

算法的异常电量数据检测率高于0.82、误检率低于0.06,修复后电量值更接近实际值,异常修复相对误差低于20%。以上数据证明所

提算法可智能识别和修复异常电量数据,保证电网安全运行。