基于增强去噪自编码器的电力系统量测重建
信号处理
2019-07-30 v1
摘要
本文提出一种重建电力系统量测中缺失数据的新方案。提出增强去噪自编码器（EDAE），基于邻值相关与长短期记忆（LSTM）网络，通过输入向量空间重建来重构缺失数据。所提 LSTM-EDAE 能够去除噪声、提取数据集主要特征，并为新输入重建缺失信息。论文表明，利用邻值相关性在缺失数据重建中表现更优。经 LSTM 网络训练，EDAE 更能有效应对电力系统大数据，并取得优于常规去噪自编码器中神经网络的性能。利用随机数据序列与电力系统相量量测单元（PMU）仿真数据验证所提 LSTM-EDAE 的有效性。
引用
@article{arxiv.1907.11738,
title = {Reconstruction of Power System Measurements Based on Enhanced Denoising Autoencoder},
author = {You Lin and Jianhui Wang and Mingjian Cui},
journal= {arXiv preprint arXiv:1907.11738},
year = {2019}
}
备注
This paper is accepted by the conference 2019 IEEE PES General Meeting