基于孤立森林、模态分解和神经网络的空间负荷态势感知

作     者：肖白 周文凯 姜卓 XIAO Bai;ZHOU Wenkai;JIANG Zhuo

作者机构：东北电力大学电气工程学院吉林省吉林市132012 北华大学计算机科学技术学院吉林省吉林市132021 

出 版 物：《电力系统自动化》 (Automation of Electric Power Systems)

年 卷 期：2022年第46卷第18期

页      面：190-198页

核心收录：

学科分类：0710[理学-生物学] 0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学] 081104[工学-模式识别与智能系统] 0903[农学-农业资源与环境] 0901[农学-作物学] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金资助项目(51177009) 吉林省产业创新专项基金资助项目(2019C058-7)。 

主　　题：空间电力负荷 态势感知 孤立森林 变分模态分解 门控循环单元 多层感知机 

摘      要：精准的空间电力负荷态势感知能够为城市电网的优化规划提供科学指导。为此,提出了一种基于孤立森林、变分模态分解、多层感知机和门控循环单元(iForest-VMD-MLP-GRU)的空间电力负荷态势感知方法。在态势觉察阶段,运用孤立森林算法对电力地理信息系统中既定空间分辨率下的Ⅰ类元胞负荷实测数据的异常值进行识别,并采用拉格朗日内插值法对其进行修正,从而确定出合理的Ⅰ类元胞负荷数据;在态势理解阶段,对态势觉察到的Ⅰ类元胞负荷数据运用变分模态分解方法进行分解,得到不同中心频率的分量,并根据其能量值确定趋势分量和低频分量;在态势预测阶段,采用多层感知机和门控循环单元分别对趋势分量和低频分量进行预测,并将两个分量的预测结果进行反演重构,得到目标年的Ⅰ类元胞负荷态势感知结果,之后采用网格化技术将其转化为基于Ⅱ类元胞的结果。实例分析结果证明了所述方法的正确性与有效性。