摘要
本发明提供了一种虚拟电厂调度数据的异常检测方法及系统,其中方法包括:在虚拟电厂各组成部分部署多类型传感器,利用多类型传感器采集预设时间段内的虚拟电厂调度数据;对虚拟电厂调度数据进行数据预处理,得到处理后的目标调度数据;利用基于孤立森林的特征提取技术筛选目标调度数据中的异常特征;采用基于改进支持向量机与深度学习相结合的异常检测算法对异常特征进行模式识别,以判断异常特征的故障来源,得到异常检测结果。通过本发明,实现了高效、准确的虚拟电厂调度数据异常检测,确保了虚拟电厂在复杂运行环境下调度数据的准确性与可靠性,提升了虚拟电厂运行稳定性,同时优化了调度分解策略,有力保障了电力系统的安全、高效运行。
技术关键词
时间序列模型
特征提取技术
模式识别
表达式
持久性
异常检测方法
数学
噪声数据
分布式电源发电
支持向量机分类
储能系统充放电
监控平台
因子
传感器
异常检测系统
时间段
特征提取模块
系统为您推荐了相关专利信息
尾气净化系统
智能控制方法
离心分离器
机器学习模型
湍流结构
柔性薄膜
温度敏感电阻
穿戴式天线
数据传输模块
测温电阻
相机外参数
三维建模方法
三维体素模型
三维模型
匹配误差