面向配电网运行风险评估的在线监测数据对抗特征学习

随着配电网中在线监测系统的部署，通过其采集的海量数据蕴含了丰富的网络运行状态信息。利用这些数据，本文提出了一种基于双向生成对抗网络（BiGANs）的无监督方法，用于配电网运行风险评估。该方法包括两个阶段：（1）对抗特征学习。从在线监测数据中提取最具代表性的特征，并计算这些特征的统计指标 $\mathcal{N}_{\phi}$，在此过程中我们对真实数据不作任何假设或简化。（2）运行风险评估。将标准化 $\mathcal{N}_{\phi}$ 总体均值的置信水平 $1-\alpha$ 与划分为紧急、高风险、预防和正常四级的操作风险等级相结合，计算各数据点的 p 值并与 $\frac{\alpha}{2}$ 比较以确定风险等级。所提方法能够发现真实数据的潜在结构并提供更精确的评估结果。采用合成数据说明了方法中相关参数的选取。基于真实在线监测数据的案例研究验证了所提方法在风险评估中的有效性与优势。