基于长短期记忆网络的PMU不良数据检测方法

摘要：

同步相量测量单元(Phasor Measurement Units,PMUs)因其同步性、快速性和准确性,已成为复杂电力系统状态感知的最有效工具之一.但是,现场的复杂环境导致PMU数据存在数据丢失、数据损坏、同步异常、噪声影响等质量问题,严重影响其在系统中的各类应用,甚至威胁电网安全稳定运行.提出了一种基于长短期记忆(Long Short-Term Memory,LSTM)网络的PMU不良数据检测方法.首先分析了LSTM在不良数据检测中的优势.然后基于LSTM网络对时间序列选择记忆的特性,构造了一种双层LSTM网络架构,提出了对原始数据的分解重构方法.在此基础上,定义了两种目标函数,以获得不同的误差特征.提出了一种基于决策树的不良数据阈值确定方法,实现了不良数据的有效检测.通过大量仿真与实测数据验证了该方法的可行性和准确性,可提高PMU数据质量,使其更好地应用于电力系统的各个方面.

关键词：同步相量测量单元、数据质量、不良数据检测、长短期记忆网络、决策树

所属期刊栏目：48

资助基金：国家重点研发计划项目资助2017YFB0902900, 2017YFB0902901

在线出版日期：2020-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1-9