基于深度学习的电力工程数据异常检测模型设计

作     者：王斌 房向阳 毛华 孙岳 WANG Bin;FANG Xiangyang;MAO Hua;SUN Yue

作者机构：国网天津市电力公司天津300010 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2024年第32卷第2期

页      面：111-115页

学科分类：0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0838[工学-公安技术] 

基　　金：2021年国家电网公司基建部新技术研究项目(SGTJJS00JGJS2200092) 

主　　题：深度学习 异常检测 高斯过程回归 深度自编码器 

摘      要：针对当前电力工程数据质量较差的问题,文中开展了基于深度学习的电力工程数据异常检测模型设计研究。提出了局部密度因子的改进方案,设计了一种基于深度自编码器(DAE)与高斯过程回归(GPR)的电力异常数据检测算法。该算法利用DAE模型实现了电力工程数据的重构,且将改进的局部密度因子、编码器输出数据及重构误差等作为GPR模型的输入,进而完成对异常数据的精准检测。仿真算例结果表明,与DAE、AE算法相比,所提算法的准确率可达89.2%,且稳定性更强。同时在实际应用中还可发现,通过加强对工程量及费用类型数据的校核管控,能够有效提升电力工程数据的质量,从而为电网的精细化运营提供数据基础。