科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着能源互联网的快速发展，终端用户侧用能数据呈现爆炸式增长。采集到的海量数据因自身设备故障或者外部环境因素影响会出现大量的异常负荷数据。文章提出了基于PSO-BiLSTM神经网络的能源互联网异常负荷数据检测与修正方法。该方法首先通过大量正常负荷数据训练双向LSTM模型，并选择PSO优化算法对预测模型的参数进行寻优，将经过参数调优的双向LSTM模型用于负荷预测。基于负荷预测结果，采用误差分析和异常值判定准则来检测负荷曲线中的异常负荷数据，最后将检测出的异常负荷数据应用预测结果对其进行修正。实验证明，该方法具有较好异常负荷数据检测效果，且易于训练，异常负荷数据检测的错误率较低。
