公开(公告)号：CN110889019A

公开(公告)日：2020-03-17

申请号：CN201911063777.1

申请日：2019-11-04

Applicant: 华北电力大学

Inventor： 王红 ,  齐林海 ,  林珊

IPC: G06F16/904 ,  G06Q50/06

Abstract: 一种电力负荷的图形化描述新方法，属于电能质量分析方法技术领域。方法包括本发明提供一种电力负荷的图形化描述新方法，该方法设计一种将负荷数据转换为RGB数据的转换方法。利用人们肉眼对于HSV颜色模型中色调的敏感性，以色调变化为基础设计符合人们观测的负荷图像。该负荷图像将对象所有时刻的负荷数据均可以在一张图像中显示，更好的呈现出用户使用负荷的规律。这种新的负荷数据图像描述方法将有助于进行负荷数据缺失补全、用户分类识别、负荷预测等，也有助于将各种最新的深度学习方法在电力系统中应用，对现有的负荷数据可视化是一个重要补充，具有十分重要的现实意义。

公开(公告)号：CN110334726A

公开(公告)日：2019-10-15

申请号：CN201910331551.9

申请日：2019-04-24

Applicant: 华北电力大学

Inventor： 林珊 ,  王红 ,  齐林海

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于密度聚类和LSTM的电力负荷异常数据的识别与修复的方法，属于电能质量分析方法技术领域。本方法采用基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise)和长短期记忆神经网络(Long Short-Term Memory)相结合的方式对异常数据进行识别与修复。该方法首先利用DSCAN算法对数据以天为单位进行密度聚类，得到异常的数据；接着利用长短期记忆神经网络LSTM，将判定为异常的时序数据作为其输入，利用前n个序列数据预测下一个序列数据；最后，将LSTM的预测值作为准确值，设置上下浮动的阈值，若实测值超出阈值范围，则视为异常值，并将LSTM的预测值作为修正值。该方法充分考虑了实际电网中电能质量监测系统数据的时序性和规律性，能够精准检测到具体异常数值并修复，具有很好的实际应用价值。