【摘 要】
：
在智能电网中,精准的数据采集是整个系统安全与经济运行的基础.随着信息与物理系统融合的不断加深,各类大数据应用与实时控制等任务对采集高频数据的要求不断提高.然而,提高
【机 构】
：
香港中文大学(深圳)理工学院,广东省深圳市 518172;深圳市大数据研究院,广东省深圳市 518172;浙江大学电气工程学院,浙江省杭州市 310027;南瑞集团有限公司(国网电力科学研究院有限公司
论文部分内容阅读
在智能电网中,精准的数据采集是整个系统安全与经济运行的基础.随着信息与物理系统融合的不断加深,各类大数据应用与实时控制等任务对采集高频数据的要求不断提高.然而,提高数据采样频率必然给系统造成更高的数据通信与存储负担.文中提出了一种基于深度学习的超分辨率感知技术,用于从低频采样的传感器数据中恢复精确的高频数据.具体地,提出了一种基于门控循环单元网络的深度端到端超分辨率感知方法,包括特征提取、关系推断、信息重建3个部分.特征提取部分采用一维卷积网络对低频数据进行特征提取;在关系推断部分应用门控循环单元网络对获得的特征进行学习,推断低频数据同高频数据间内在关系;在信息重建部分则使用全连接层对推断信息进行重建,获得对应的高频数据.采用所提方法对居民用户和工业用户功率数据及输电线电压数据进行超分辨率感知,同时使用恢复的高频数据进行负荷状态识别.算例结果表明所提方法能够精准有效地恢复低频数据的丢失信息并提升负荷识别等实际应用的准确性.
其他文献
由于RDF(Resource Description Framework)具有表达灵活、简洁等优点,已被接受为表达元数据及万维网上数据互联的规范。近年来,其数据量以飞快的速度增长,相应地,要求存
2020年8月14日至8月15日美国加利福尼亚州(下文简称加州)发生轮流停电事故,同年8月17日至8月18日和9月5日至9月6日,加州电网进入紧急状态,至少81万居民用户的正常用电受到影
数字化地理数据的生产需耗费大量的财力和物力，却很容易被非法拷贝，因此地理数据的版权保护和盗版追踪显得至关重要。珞印地理数据水印工具利用地理数字水印技术，提供多种水
为了提升用户体验度，社交网络都提供了用户推荐。新浪微博的用户推荐方式基于社交网络的结构，并没考虑微博内容信息。而微博作为一个用户创建与分享信息的社交网络应用，具有
贝叶斯网(BN)作为一种重要的概率图模型,是统计型不确定性知识表示和推理的基本框架.如何从海量数据中学习BN,是目前云计算环境下海量数据中不确定性知识推理及相关应用
现有网络安全风险研究仍然存在基础概率不准确和严重性模型缺失等问题.文中首先基于变电站电力监控系统框架提出“边界-本体防护”模型来描述系统入侵威胁,根据历史数据的机
针对电力系统暂态稳定预防控制在线计算的复杂性,提出一种基于生成对抗网络的暂态稳定预防控制方法.通过将暂态稳定预防控制建模为样本空间映射问题,该方法利用数据驱动方法
世系记录了数据产生和演化的过程,基于世系信息计算不确定性数据查询结果的不确定性,可提高处理的效率.贝叶斯网是不确定性知识表示和推理的基本框架,以有效支持基于世系
针对现在数据流查询与管理系统存在的不足,本文基于Aurora开发了支持CQL的数据流管理系统Conger,系统演示包括CQL示例查询的注册、解析和执行等。
如今的互联网领域时刻都在产生海量的数据，文本数据是重要的组成部分。在这些文本数据中，存在大量的近似复制文本，这些相似程度很高的文本对给相关处理程序增加了额外负担。