配电网中多种量测设备所采集的异构异源数据共同构成了用于状态估计的数据源，对量测数据的深度辨识是提升状态估计精度的首要任务。本文提出一种针对量测数据中坏数据的辨识修正方法，首先运用新息序列和基于密度的含噪声空间应用聚类（DBSCAN）算法进行初级辨识，然后根据量测数据的时间惯性进行二次辨识，最后采用改进长短期记忆神经网络（LSTM）算法对异常数据进行修正，并搭建仿真平台分析了所提方法的有效性。
科研之友
微信
新浪微博
Facebook
分享链接
