摘要
本发明涉及一种考虑事件波的电量异常智能监测方法,包括以下步骤:S1:通过传感器和智能装置采集事件波数据;S2:使用时频分析算法提取电量需求相关事件波的时序特征和频谱特征;S3:根据提取的时序特征和频谱特征,构建训练集,训练基于机器学习和深度学习构建的电量需求动因分析模型;S4:构建电量异常监测模型,通过事件波幅值、频域能量标定基础规则,异常检测模型通过自编码器学习正常波形特征,结合动因分析,实现智能电量异常监测;S5:构建分层可视化模型,图形化展示电量变化的原因、事件行为及异常预警信息。本发明实现对电量异常的实时监测与预警,能够有效应对电力系统中瞬态、稳态及复杂非平稳事件的挑战。
技术关键词
智能监测方法
时序特征
分层可视化
频谱特征
构建训练集
频域特征
编码器
滑动窗口
希尔伯特黄变换
层级
智能装置
智能电表采集
构造特征向量
构建分类模型
波形
短时傅里叶变换
智能监测系统
矩阵
稳态事件
解码器
系统为您推荐了相关专利信息
储能系统
出力预测方法
储能设备
贝叶斯神经网络
门控循环单元
数据异常检测方法
金融
机器学习算法
策略
报警系统
皮尔逊相关系数
梯度提升决策树
模式识别模型
竞拍数据
深度学习算法
建筑能耗预测
模型训练方法
建筑信息模型
节点
能效