科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着智能变电站监测数据的多样化和复杂化，数据异常问题日益突出，由于深度学习可以综合考虑各种因素提高数据异常检测水平，文章提出一种基于改进深度置信网络(deep belief network,DBN)和K-means的变压器数据异常检测方法。首先从智能变电站二次系统中获取变电站监测数据，并从中选取一个变量作为标签变量，计算各变量与标签变量的互信息值，确定输入矩阵；其次，利用改进DBN对输入矩阵进行特征提取；最后，采用K-means对特征向量进行聚类，得到异常数据。其中在结构方面，改进DBN引入了高斯–伯努利受限玻尔兹曼机，使其输入数据不局限于二项分布；在性能方面，采用粒子群算法确定隐含层节点个数，提高DBN的特征提取水平。实验分析表明，该方法在对变压器数据异常检测中具有很好的准确性与鲁棒性。
-
单位贵州电网有限责任公司
