基于预测模型的发电厂异常数据辨识方法

基于预测模型的发电厂异常数据辨识方法
发电统计数据是我国实施电力监管的重要依据，其中的发电厂用电率作为反映电厂生产效能、论证节能降耗情况的关键指标，验证其上报数据的真实性和准确性十分重要。为此，提出一种基于预测模型的发电厂异常数据辨识方法。该方法首先利用Adaboost改进非线性有源自回归模型(NARX)神经网络构建发电厂用电率预测模型，通过不断引入上报值以动态的方式对当前时刻发电厂用电率进行预测。当发电厂用电率时间序列出现突变时，残差时间序列会出现明显的增大或减小，进而利用孤立森林算法得到各残差向量组的异常分值从而辨识出异常点。最后，利用该方法对注入了虚假数据的实际发电数据进行辨识，验证了所提方法的有效性。

标题：
基于预测模型的发电厂异常数据辨识方法
Abnormal data analysis method of power plant data based on forecast model

作者：
高骞，张浩天，汤奕
GAO Qian, ZHANG Haotian, TANG Yi

关键词：
发电厂用电率;异常数据;非线性有源自回归模型(NARX)神经网络;Adaboost算法
power plant power consumption rate;abnormal data;nonlinear auto regressive models with external input(NARX)neural network;Adaboost algorithm

2025-1-23 19:40 上传 基于预测模型的发电厂异常数据辨识方法.pdf

文件大小:

1.94 MB

下载次数:

60

高速下载