基于长短期记忆网络的电力系统量测缺失数据恢复方法

作     者：王子馨 胡俊杰 刘宝柱 WANG Zixin;HU Junjie;LIU Baozhu

作者机构：华北电力大学电气与电子工程学院北京市102206 

出 版 物：《电力建设》 (Electric Power Construction)

年 卷 期：2021年第42卷第5期

页      面：1-8页

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金项目(51877078) 国家电网有限公司总部科技项目“城市综合能源系统的灵活性建模与优化技术研究”(SGJX0000KXJS1900321) 

主　　题：电力系统 量测缺失数据恢复 长短期记忆网络 随机森林 

摘      要：随着电力系统规模不断增大,电力系统量测数据呈现快速增长趋势。然而海量数据的采集、测量、传输和存储等过程均可能出现数据缺失问题,从而威胁电网安全。针对电力系统量测缺失数据问题,文章提出了一种基于长短期记忆(long short-term memory,LSTM)网络的缺失数据恢复方法。首先,基于LSTM网络具有提取电力系统量测数据时序规律的特性,提出一种双层全连接LSTM网络模型,利用已知数据建立对缺失数据的映射。其次,为提高系统不同数据状态下的恢复精度,提出了一种随机森林状态辨识方法和考虑缺失数据位置的恢复策略。最后,利用仿真数据和实测数据验证该方法的有效性和准确性,结果表明该方法无需系统拓扑参数即可显著提高电力系统量测数据质量。