典型文献
基于矩阵范数优化理论的用电数据质量提升算法
文献摘要：
用电数据是智能电网大数据重要组成部分,也是基于人工智能方法进行负荷预测、需求响应以及台区线损治理和反窃电的基础样本数据来源.但用电信息采集设备工作环境复杂,用电数据缺失异常问题不可避免,严重影响数据驱动的效果.该文针对用电大数据存在的数据缺失、异常噪声等低质量问题,提出一种基于多范数优化的用电数据质量提升新算法,其中针对数据缺失和稀疏脉冲等多种现场采集噪声,采用核范数/1-范数/F-范数优化的低秩矩阵恢复模型和交替方向乘子算法求解,实现缺失数据恢复和异常噪声滤除,提高用电数据质量.所提方法具有不需要先验知识的训练,计算复杂度低的优势.算例结果表明,该文方法可以提高缺失数据恢复精度、改善数据质量,并且通过基于人工智能长短期记忆神经网络(long short term memory,LSTM)方法的短期负荷预测实验证明其可有效提高预测精度,对电力系统基于数据驱动的新兴高级应用具有良好的实际意义.
文献关键词：
用电数据;聚类;多范数优化;交替方向乘子法;短期负荷预测
中图分类号：
作者姓名：
杨挺;孙兆帅;季浩;叶芷杉;耿毅男
作者机构：
天津大学电气自动化与信息工程学院,天津市 南开区 300072;国网天津市电力公司,天津市 河北区 300010
文献出处：
引用格式：
[1]杨挺;孙兆帅;季浩;叶芷杉;耿毅男-.基于矩阵范数优化理论的用电数据质量提升算法)[J].中国电机工程学报,2022(10):3501-3511,中插1
A类：
多范数优化
B类：
矩阵范数,优化理论,用电数据,数据质量提升,智能电网大数据,人工智能方法,需求响应,台区线损,反窃电,数据来源,用电信息采集,环境复杂,数据缺失,异常问题,用电大数据,异常噪声,低质量,新算法,现场采集,核范数,低秩矩阵恢复,交替方向乘子算法,缺失数据,数据恢复,噪声滤除,先验知识,计算复杂度,长短期记忆神经网络,long,short,term,memory,短期负荷预测,电力系统,高级应用,实际意义,交替方向乘子法
AB值：
0.334303
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
