公开(公告)号：CN112733081B

公开(公告)日：2024-08-02

申请号：CN202110030015.2

申请日：2021-01-11

Applicant: 国网新疆电力有限公司 ,  华北电力大学

Inventor： 郭小龙 ,  李渝 ,  孙谊媊 ,  王衡 ,  朱世佳 ,  杨智伟 ,  刘灏 ,  毕天姝

IPC: G06F17/16 ,  G06F18/23 ,  G06F18/2431

Abstract: 本发明公开了一种基于谱聚类的PMU不良数据检测方法，包括：基于四点数据斜率特征构建决策树模型，并利用该决策树模型辨识事件数据、以及正常数据和不良数据；对于辨识出的包含正常数据和不良数据的数据集合A，利用3σ准则进行初步筛选，将数据集合划分为A1、A2、与A3三个部分，其中A1部分与A2部分分别为正常数据与不良数据，A3部分中包含了正常数据和不良数据；利用谱聚类的方法，构造数据之间的权重距离矩阵，从而在A3部分中检测出不良数据。该方法能通过数据间的权重准确检测偏差值较小的不良数据。

公开(公告)号：CN113869386A

公开(公告)日：2021-12-31

申请号：CN202111097876.9

申请日：2021-09-18

Applicant: 华北电力大学

Inventor： 刘灏 ,  朱世佳 ,  毕天姝

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F17/16

Abstract: 本发明公开了一种基于生成对抗插补网络的PMU连续丢失数据恢复方法，基于生成对抗插补网络(Generative Adversarial Imputation Nets，GAIN)方法能实现对PMU连续丢失数据的无监督修正。该方法能够在线、高精度地修正连续丢失数据，并对扰动过程中的连续丢失数据仍适用，不依赖有标签的数据来训练模型，避免了离线训练的负担。因此采用基于GAIN的PMU数据恢复方法具有十分显著的优点。

公开(公告)号：CN112733081A

公开(公告)日：2021-04-30

申请号：CN202110030015.2

申请日：2021-01-11

Applicant: 国网新疆电力有限公司 ,  华北电力大学

Inventor： 郭小龙 ,  李渝 ,  孙谊媊 ,  王衡 ,  朱世佳 ,  杨智伟 ,  刘灏 ,  毕天姝

IPC: G06F17/16 ,  G06K9/62

Abstract: 本发明公开了一种基于谱聚类的PMU不良数据检测方法，包括：基于四点数据斜率特征构建决策树模型，并利用该决策树模型辨识事件数据、以及正常数据和不良数据；对于辨识出的包含正常数据和不良数据的数据集合A，利用3σ准则进行初步筛选，将数据集合划分为A1、A2、与A3三个部分，其中A1部分与A2部分分别为正常数据与不良数据，A3部分中包含了正常数据和不良数据；利用谱聚类的方法，构造数据之间的权重距离矩阵，从而在A3部分中检测出不良数据。该方法能通过数据间的权重准确检测偏差值较小的不良数据。