低可观性电力系统中用于异常检测的PMU数据增维
系统与控制
2019-10-22 v1 系统与控制
信号处理
摘要
异常检测是电力系统中的一项重要任务。为了更好地利用从低可观性电力系统收集的相量测量单元（PMU）数据进行异常检测，本文提出了一种数据增维算法。首先，利用电力系统中有限数量PMU采集的同步相量测量构成低维时空数据矩阵。然后，提出一种基于随机张量理论（RTT）的数据增维算法用于异常检测。所提算法有助于提高基于随机矩阵理论（RMT）和基于机器学习（ML）的异常检测方法的灵敏度，并能够加速基于ML的异常检测方法中模型训练的收敛速度。在IEEE 118总线测试系统上的案例研究验证了所提算法的有效性。
引用
@article{arxiv.1910.08696,
title = {Dimensionality Increment of PMU Data for Anomaly Detection in Low Observability Power Systems},
author = {Xin Shi and Robert Qiu},
journal= {arXiv preprint arXiv:1910.08696},
year = {2019}
}
备注
8 pages, submitted to IEEE Trans. Industrial Informatics