面向电力系统高分辨率监测的异常序列深度学习检测方法
系统与控制
2021-06-24 v2 机器学习
系统与控制
信号处理
摘要
提出一种深度学习方法，利用高分辨率连续点波形（CPOW）或相量测量检测数据与系统异常。异常与无异常测量模型均被假设具有未知的时间依赖性与概率分布。假设无异常模型具有历史训练样本，而异常测量无可用训练样本。通过生成对抗网络将无异常观测转换为均匀独立同分布序列，所提方法在传感器层级部署均匀性检验以进行异常检测。还提出了一种在控制中心汇总传感器层级检测的分布式检测方案，其结合局部检测以形成更可靠的检测。数值结果使用真实与合成 CPOW 及 PMU 数据集，针对多种坏数据情形，较最先进方案有显著改进。
引用
@article{arxiv.2012.05163,
title = {A Deep Learning Approach to Anomaly Sequence Detection for High-Resolution Monitoring of Power Systems},
author = {Kursat Rasim Mestav and Xinyi Wang and Lang Tong},
journal= {arXiv preprint arXiv:2012.05163},
year = {2021}
}
备注
10 pages, 7 figures