基于孤立森林、模态分解和神经网络的空间负荷态势感知.pdfVIP

第46 卷 第18 期 2022 年9 月25 日 Vol.46No.18 Sept.25,2022 DOI：10.7500/AEPS20210918002 基于孤立森林、模态分解和神经网络的空间负荷态势感知 1 1 2 肖 白 ，周文凯 ，姜 卓 （1. 东北电力大学电气工程学院，吉林省吉林市 132012；2. 北华大学计算机科学技术学院，吉林省吉林市 132021） 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。 关键词：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 0 引言 和分析用户负荷态势，对用户负荷进行分类，并利用 随机森林算法来预测负荷态势。 态势感知概念起源于军事领域，最早在20世纪 文献［9］针对城市电网的优化规划对负荷态势 80年代被提出。其定义为“在特定的时空条件下， 感知结果的需求，给出了空间电力负荷态势感知（也 对环境中各元素或对象进行觉察、理解及对未来状 ［1］ 称空间负荷态势感知 （spatial load situation 态的预测” 。经过几十年的发展，态势感知的应用 awareness，SLSA））、空间电力负荷态势觉察 已拓展至电力系统、网络安全和国际关系等领域中。 （spatialloadsituationperception，SLSP）、空间电力 当前，态势感知在电力系统领域已有较多的研 ［2-9］ 负荷态势理解（spatialloadsituationcomprehension， 究与应用 ，但基本上都集中在“网”侧的安全分析 ［2-6］ ［7-9］ SLSC）和空间电力负荷态势预测 （spatial load 方面 ，在“荷”侧应用的研究则相对较少 。一方 situationforecast，SLSF）的定义，并提出了结合自编 面是负荷态势感知能够通过对负荷相关信息资源中 码器、奇异谱分析和神经网络技术的SLSA方法，该 有效信息的深度挖掘，更好地把握当前的负荷态势 方法相比于传统预测方法取得了更好的预测效果。 （即负荷状态的变化趋势），并实现对未来负荷态势 负荷态势感知的每个阶段具有明确的定义和目的， 的精准预测，从而能够为城市电网的优化规划提供