基于深度学习和迁移学习的电力数据挖掘技术研究

发布时间：2023-03-17 13:33

　　电力行业是国家发展的重要基础能源产业,也是国家经济的第一基础产业,控制着国家的命脉。随着电网规模不断扩大,运行条件日益复杂,电网数据采集范围和频率不断增加,如何合理运用电力大数据,提高电网数据利用率,为电网运行的安全性和可靠性提供理论依据,成为了一个新的研究热点。由于电力数据具有数据量大、数据类型多、价值密度低、处理速度快的特征,如何高效深度地对其进行挖掘分析,提取有价值的信息,为实际问题服务,是具有挑战性的难题。针对电力大数据的特点,本文利用深度学习、迁移学习等人工智能方法,为电网故障检测、故障诊断和负荷预测等任务建立数据挖掘网络模型,提取数据的关联性特征,提高数据挖掘的精度和效率。本文的主要研究工作和贡献如下:首先,针对故障异常数据少、传统神经网络易陷入局部最小、梯度消失爆炸问题,本文提出了基于栈式稀疏自编码器的线路跳闸故障检测网络,利用SSAE对数据进行无监督学习,提取高维稀疏特征,并引入PCA对特征进行压缩降维,利用高斯核SVM分类器进行最后的故障判别。其次,考虑故障类型特征不明显、RNN梯度消失和网络过拟合等问题,本文提出了基于MLSTM网络的线路跳闸故障诊断网络,利用三个带...

【文章页数】：148 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
术语与缩略词
1 绪论
    1.1 课题背景和意义
    1.2 电力数据挖掘研究现状
    1.3 深度学习、迁移学习概述
        1.3.1 深度学习概述
        1.3.2 迁移学习概述
    1.4 论文的研究内容
        1.4.1 本文组织结构
        1.4.2 具体内容
2 预备知识
    2.1 自编码器
    2.2 循环神经网络
    2.3 网络训练方法
        2.3.1 反向传播算法
        2.3.2 随时间的反向传播算法
    2.4 本章小结
3 基于栈式稀疏自编码器的电网线路跳闸数据驱动故障检测
    3.1 引言
    3.2 问题描述
    3.3 基于栈式稀疏自编码器的线路跳闸故障检测方法
        3.3.1 栈式稀疏自编码器网络
        3.3.2 基于PCA和SVM的改进故障检测模型
    3.4 模型性能评估实验与分析
        3.4.1 实验数据与实验条件设置
        3.4.2 实验结果与分析
    3.5 本章小结
4 基于MLSTM网络的电网线路跳闸数据驱动故障诊断
    4.1 引言
    4.2 问题描述
    4.3 基于MLSTM网络的线路跳闸故障诊断方法
        4.3.1 长短期记忆网络模型
        4.3.2 基于MLSTM网络的故障诊断模型
    4.4 模型性能评估实验与分析
        4.4.1 实验数据与实验条件设置
        4.4.2 实验结果与分析
    4.5 本章小结
5 基于GRU网络的电网用户短期负荷预测
    5.1 引言
    5.2 问题描述
    5.3 基于GRU网络的电网用户短期负荷预测方法
        5.3.1 GRU单元结构
        5.3.2 基于GRU网络的电网用户短期负荷预测模型
    5.4 模型性能评估实验与分析
        5.4.1 实验数据与实验条件设置
        5.4.2 实验结果与分析
    5.5 本章小结
6 基于迁移学习和MMD的电力数据挖掘技术
    6.1 引言
    6.2 问题描述
    6.3 基于迁移学习和MMD的电力数据挖掘模型
        6.3.1 迁移学习
        6.3.2 最大均值差异算法
        6.3.3 基于迁移学习和MMD的电力数据挖掘网络
    6.4 模型性能评估实验与分析
        6.4.1 实验数据与实验条件设置
        6.4.2 实验结果与分析
    6.5 本章小结
7 总结与展望
    7.1 全文总结
    7.2 研究展望
参考文献
作者简历
攻读博士学位期间的主要成果
致谢



本文编号：3763213