合成网络化PMU数据的创建：一种生成对抗网络方法
信号处理
2020-04-08 v2
摘要
本文介绍了一种基于机器学习的方法，用于合成创建多种暂态类型的逼真相量测量单元（PMU）数据流。与现有文献中基于暂态仿真的数据生成方法不同，我们提出了一种基于生成对抗网络（GAN）的方法，直接从历史数据中学习并同时复现多个PMU数据流。合成的PMU数据流反映了有意义的动态特性，并遵循基尔霍夫定律等第一性原理。通过在IEEE 39节点系统上的数值研究，证明了该方法的有效性。我们通过统计相似性和模态分析方法验证了合成数据的保真度和灵活性。最后，我们展示了合成PMU数据的一个实际应用场景，即利用合成数据提升事件分类算法的性能。
引用
@article{arxiv.1908.08180,
title = {Creation of Synthetic Networked PMU Data: A Generative Adversarial Network Approach},
author = {Xiangtian Zheng and Bin Wang and Dileep Kalathil and Le Xie},
journal= {arXiv preprint arXiv:1908.08180},
year = {2020}
}
备注
This manuscript has been submitted to IEEE Transactions on Power Systems