基于深度学习的电力系统异常数据自动捕获方法

摘要

为在电网应用环境中实现对异常传输电子量的精确化处理,提出基于深度学习的电力系统异常数据自动捕获方法。联合Caffe深度学习框架,清洗各类型电力数据资源,通过异常检测标签编码的方式,实现基于深度学习的电力系统异常数据检测。在此基础上,设置多层次的自动化协议栈架构,借助异常数据拷贝计划,建立必要的数据捕获映射条件,实现基于深度学习的电力系统异常数据自动捕获方法的顺利应用。对比实验结果表明,与机器学习型捕获手段相比,深度学习捕获法在单位时间内所能处理的异常传输电子数量值更大,而所需的消耗等待时间却相对更短,符合精确化处理异常传输电子量的实际应用需求。