pmuBAGE：用于电力系统事件的生成式 PMU 数据基准集——第一部分：概述与结果
机器学习
2022-04-05 v1
摘要
我们提出 pmuGE（相量测量单元事件生成器），这是首批数据驱动的电力系统事件数据生成模型之一。我们在数千个实际事件上训练了该模型，并创建了一个记为 pmuBAGE（生成式 PMU 事件基准集）的数据集。该数据集包含近 1000 个带标签的事件数据实例，以促进相量测量单元（PMU）数据分析的基准评估。该数据集在线提供，供该领域任何研究人员或从业者使用。PMU 数据难以获取，尤其是覆盖事件时段的数据。尽管如此，电力系统问题近来通过数据驱动的机器学习方案取得了惊人进展——这些方案由有幸获得此类 PMU 数据的研究人员所创建。一个高度可访问的标准基准数据集将极大加速该领域成功机器学习技术的发展。我们提出了一种基于电力系统事件参与分解的新型学习方法，使得在系统异常期间学习 PMU 数据的生成模型成为可能。该模型能够生成高度真实的事件数据，且不会损害用于训练它的 PMU 的差分隐私。该数据集可在 pmuBAGE Github 仓库 https://github.com/NanpengYu/pmuBAGE 供任何研究人员在线使用。第一部分——本文为两篇系列论文的第一部分。在第一部分中，我们描述了 pmuBAGE 的高层概述、其创建过程以及用于测试它的实验。第二部分将更详细地讨论其生成中所使用的确切模型。
引用
@article{arxiv.2204.01095,
title = {pmuBAGE: The Benchmarking Assortment of Generated PMU Data for Power System Events -- Part I: Overview and Results},
author = {Brandon Foggo and Koji Yamashita and Nanpeng Yu},
journal= {arXiv preprint arXiv:2204.01095},
year = {2022}
}