基于正则自编码器及Optuna寻优的异常用电数据清洗研究

为有效解决用电信息采集系统中电量数据丢失问题,提出基于正则自编码器的缺失数据填补方法。首先,根据正则自编码器学习到的特征重构电量数据,实现缺失数据的修复。然后,通过对损失函数增加L21范数及正交约束实现正则化,提升模型的泛化能力,并采用Optuna实现超参数的自动寻优。最后,实际数据集的测试结果表明：与其他自编码器相比,正则自编码器能够较为准确地补齐缺失数据。     

基于改进经验小波变换和改进多视角深度矩阵分解的直流配电网故障检测方案

为快速检测及可靠识别直流配电网故障，提出一种基于改进经验小波变换和改进多视角深度矩阵分解的直流配电网故障检测方案。通过最小二乘法非线性拟合故障电流局部的相频谱函数，基于此在一定的条件下修改经验小波函数的相频响应，使之尽可能与故障电流的局部相频特性相匹配；运用改进经验小波变换分解电流，计算细节分量c3的模极大值，构造故障检测判据；设计一种权重自学习网络，依据数据对分类任务的重要性分配不同的权重，嵌套于多视角深度矩阵分解模型前端，运用改进多视角深度矩阵分解模型对电流分量c1 — c3、极间电压udc这4个视角的数据进行故障特征提取，通过软分配层实现故障的分类。仿真测试结果表明，所提故障检测方案能够满足故障检测速动性、可靠性的要求，故障分类准确度高，为后续故障处理奠定了良好基础。