作者：梁捷; 梁广明异常识别自回归滑动平均模型旋转分量用电量
摘要：针对传统方法难以实现对电力系统异常电量的高效、准确辨识的问题,提出一种基于自回归滑动平均模型(ARMA)和K-means聚类的电量数据异常识别方法。在分析电量数据中的趋势性、周期性和季节性特征的基础上,首先利用历史数据建立ARMA模型进行用电量预测模型训练,并通过极值点步进线性回归策略逐步提取出线性化的旋转分量,提高旋转分量的生成效率。然后计算预测值和真实值之间的残差,最后对残差项进行DBSCAN聚类,实现电量异常数据的识别。对某电网20个区域的用电量数据进行案例分析,并与常见异常识别方法进行对比,通过检测率和误报率评价指标验证了该研究方法的有效性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
