Spatial Load Situation Awareness Based on Isolation Forest, Mode Decomposition and Neural Networks

Bai XIAO; Wenkai ZHOU; Zhuo JIANG

doi:10.7500/AEPS20210918002

您当前的位置：

首页 >

文章列表页 >

Spatial Load Situation Awareness Based on Isolation Forest, Mode Decomposition and Neural Networks

Basic Research | 更新时间：2025-06-16

- Spatial Load Situation Awareness Based on Isolation Forest, Mode Decomposition and Neural Networks
- Automation of Electric Power Systems Vol. 46, Issue 18, Pages: 190-198(2022)
- 作者机构：
  
  1.东北电力大学电气工程学院，吉林省吉林市 132012
  2.北华大学计算机科学技术学院，吉林省吉林市 132021
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(51177009);Industrial Innovation Foundation of Jilin Province(2019C058-7)
- DOI：10.7500/AEPS20210918002
  CLC：
- Received：18 September 2021，
  
  Revised：2022-01-28，
  
  Published Online：22 April 2022，
  
  Published：25 September 2022
- 稿件说明：
移动端阅览
肖白,周文凯,姜卓.基于孤立森林、模态分解和神经网络的空间负荷态势感知[J].电力系统自动化,2022,46(18):190-198.

XIAO Bai,ZHOU Wenkai,JIANG Zhuo.Spatial Load Situation Awareness Based on Isolation Forest, Mode Decomposition and Neural Networks[J].Automation of Electric Power Systems,2022,46(18):190-198.
肖白,周文凯,姜卓.基于孤立森林、模态分解和神经网络的空间负荷态势感知[J].电力系统自动化,2022,46(18):190-198. DOI： 10.7500/AEPS20210918002.

XIAO Bai,ZHOU Wenkai,JIANG Zhuo.Spatial Load Situation Awareness Based on Isolation Forest, Mode Decomposition and Neural Networks[J].Automation of Electric Power Systems,2022,46(18):190-198. DOI： 10.7500/AEPS20210918002.

摘要

精准的空间电力负荷态势感知能够为城市电网的优化规划提供科学指导。为此，提出了一种基于孤立森林、变分模态分解、多层感知机和门控循环单元(iForest-VMD-MLP-GRU)的空间电力负荷态势感知方法。在态势觉察阶段，运用孤立森林算法对电力地理信息系统中既定空间分辨率下的Ⅰ类元胞负荷实测数据的异常值进行识别，并采用拉格朗日内插值法对其进行修正，从而确定出合理的Ⅰ类元胞负荷数据；在态势理解阶段，对态势觉察到的Ⅰ类元胞负荷数据运用变分模态分解方法进行分解，得到不同中心频率的分量，并根据其能量值确定趋势分量和低频分量；在态势预测阶段，采用多层感知机和门控循环单元分别对趋势分量和低频分量进行预测，并将两个分量的预测结果进行反演重构，得到目标年的Ⅰ类元胞负荷态势感知结果，之后采用网格化技术将其转化为基于Ⅱ类元胞的结果。实例分析结果证明了所述方法的正确性与有效性。

Abstract

Accurate spatial load situation awareness (SLSA) can provide a scientific guidance for the optimal planning of urban power grid. This paper proposes an SLSA method based on isolation forest

variational mode decomposition

multilayer perceptron and gated recurrent unit (iForest-VMD-MLP-GRU). In the stage of situation perception

the isolation forest algorithm is used to identify the outliers of the measured data of class Ⅰ cell load under the given spatial resolution in the power geographic information system

and the Lagrangian interpolation method is used to modify it

so as to determine the reasonable class Ⅰ cell load data. In the stage of situation comprehension

the perceived class Ⅰ cell load data is decomposed by the variational mode decomposition method to obtain the components of different central frequencies. The trend component and low-frequency component are determined according to their energy values. In the stage of situation forecasting

the multilayer perceptron and the gated recurrent unit are used to forecast the trend component and the low-frequency component respectively

and the forecasting results of the two components are inversed and reconstructed to obtain the situation awareness results of class Ⅰ cell loads in the target year. The grid technology is then used to transform the results of class Ⅰ cells into the results based on class Ⅱ cells. The results of example analysis prove that the proposed method is correct and effective.

关键词

Keywords

references

ENDSLEY M R . Toward a theory of situation awareness in dynamic systems ［J］. Human Factors： the Journal of the Human Factors and Ergonomics Society ， 1995 ， 37 （ 1 ）： 32 - 64 .

黄蔓云，卫志农，孙国强，等 . 基于历史数据挖掘的配电网态势感知方法［J］. 电网技术， 2017 ， 41 （ 4 ）： 1139 - 1145 .

HUANG Manyun ， WEI Zhinong ， SUN Guoqiang ， et al . A novel situation awareness approach based on historical data-mining model in distribution networks ［J］. Power System Technology ， 2017 ， 41 （ 4 ）： 1139 - 1145 .

刘权莹，李俊娥，倪明，等 . 电网信息物理系统态势感知：现状与研究构想［J］. 电力系统自动化， 2019 ， 43 （ 19 ）： 9 - 21 .

LIU Quanying ， LI Jun’e ， NI Ming ， et al . Situation awareness of grid cyber-physical system： current status and research ideas ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 19 ）： 9 - 21 .

李海英，刘中银，宋建成 . 电力系统静态安全状态实时感知的相关向量机法［J］. 中国电机工程学报， 2015 ， 35 （ 2 ）： 294 - 301 .

LI Haiying ， LIU Zhongyin ， SONG Jiancheng . Real-time static security situational awareness of power systems based on relevance vector machine ［J］. Proceedings of the CSEE ， 2015 ， 35 （ 2 ）： 294 - 301 .

马世英，刘道伟，汤涌，等 . 基于多响应信息源的电压稳定全态势量化评估与辅助决策系统［J］. 电网技术， 2013 ， 37 （ 8 ）： 2151 - 2156 .

MA Shiying ， LIU Daowei ， TANG Yong ， et al . Multi-response information sources based whole situation quantitative assessment of voltage stability and decision support system ［J］. Power System Technology ， 2013 ， 37 （ 8 ）： 2151 - 2156 .

丰颖，贠志皓，孙景文，等 . 输配协同的配电网态势快速感知方法［J］. 电力系统自动化， 2016 ， 40 （ 12 ）： 37 - 44 .

FENG Ying ， YUN Zhihao ， SUN Jingwen ， et al . Fast situation awareness method for distribution network coordinated with transmission grid ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 12 ）： 37 - 44 .

许鹏，孙毅，石墨，等 . 负荷态势感知：概念、架构及关键技术［J］. 中国电机工程学报， 2018 ， 38 （ 10 ）： 2918 - 2926 .

XU Peng ， SUN Yi ， SHI Mo ， et al . Load situation awareness： concept， framework and key technologies ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 10 ）： 2918 - 2926 .

许鹏，孙毅，张健，等 . 基于人工智能代理的负荷态势感知及调控方法［J］. 电力系统自动化， 2019 ， 43 （ 3 ）： 178 - 186 .

XU Peng ， SUN Yi ， ZHANG Jian ， et al . Load situation awareness and control method based on artificial intelligence agent ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 3 ）： 178 - 186 .

肖白，肖志峰，姜卓，等 . 基于降噪自编码器、奇异谱分析和长短期记忆神经网络的空间电力负荷态势感知［J］. 中国电机工程学报， 2021 ， 41 （ 14 ）： 4858 - 4867 .

XIAO Bai ， XIAO Zhifeng ， JIANG Zhuo ， et al . Spatial load situation awareness based on denoising autoencoder， singular spectrum analysis and long short-term memory neural networks ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 14 ）： 4858 - 4867 .

肖白，周潮，穆钢 . 空间电力负荷预测方法综述与展望［J］. 中国电机工程学报， 2013 ， 33 （ 25 ）： 78 - 92 .

XIAO Bai ， ZHOU Chao ， MU Gang . Review and prospect of the spatial load forecasting methods ［J］. Proceedings of the CSEE ， 2013 ， 33 （ 25 ）： 78 - 92 .

肖白，黎平 . 最佳电力负荷空间分辨率的获取方法［J］. 中国电机工程学报， 2010 ， 30 （ 34 ）： 50 - 56 .

XIAO Bai ， LI Ping . Method for acquiring optimum spatial resolution of electric load ［J］. Proceedings of the CSEE ， 2010 ， 30 （ 34 ）： 50 - 56 .

肖白，蒲睿，穆钢 . 基于多尺度空间分辨率的空间负荷预测误差评价方法［J］. 中国电机工程学报， 2015 ， 35 （ 22 ）： 5731 - 5739 .

XIAO Bai ， PU Rui ， MU Gang . Method of spatial load forecasting error evaluation based on the multi-scale spatial resolution ［J］. Proceedings of the CSEE ， 2015 ， 35 （ 22 ）： 5731 - 5739 .

肖白，杨修宇，穆钢，等 . 基于元胞历史负荷数据的负荷密度指标法［J］. 电网技术， 2014 ， 38 （ 4 ）： 1014 - 1019 .

XIAO Bai ， YANG Xiuyu ， MU Gang ， et al . A load density index method based on historical data of cell load ［J］. Power System Technology ， 2014 ， 38 （ 4 ）： 1014 - 1019 .

张帅，杨晶显，刘继春，等 . 基于多尺度时序建模与估计的电力负荷数据恢复［J］. 电工技术学报， 2020 ， 35 （ 13 ）： 2736 - 2746 .

ZHANG Shuai ， YANG Jingxian ， LIU Jichun ， et al . Power load recovery based on multi-scale time-series modeling and estimation ［J］. Transactions of China Electrotechnical Society ， 2020 ， 35 （ 13 ）： 2736 - 2746 .

肖白，徐潇，穆钢，等 . 空间负荷预测中确定元胞负荷最大值的概率谱方法［J］. 电力系统自动化， 2014 ， 38 （ 21 ）： 47 - 52 .

XIAO Bai ， XU Xiao ， MU Gang ， et al . A probability spectrum method for ascertaining maximal value of cellular load in spatial load forecasting ［J］. Automation of Electric Power Systems ， 2014 ， 38 （ 21 ）： 47 - 52 .

杨建，王力，宋冬然，等 . 基于孤立森林与稀疏高斯过程回归的风电机组偏航角零点漂移诊断方法［J］. 中国电机工程学报， 2021 ， 41 （ 18 ）： 6198 - 6212 .

YANG Jian ， WANG Li ， SONG Dongran ， et al . Diagnostic method of zero-point shifting of wind turbine yaw angle based on isolated forest and sparse Gaussian process regression ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 18 ）： 6198 - 6212 .

刘友波，吴浩，刘挺坚，等 . 集成经验模态分解与深度学习的用户侧净负荷预测算法［J］. 电力系统自动化， 2021 ， 45 （ 24 ）： 57 - 64 .

LIU Youbo ， WU Hao ， LIU Tingjian ， et al . User-side net load forecasting method integrating empirical mode decomposition and deep learning ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 24 ）： 57 - 64 .

杨大为，冯辅周，赵永东，等 . VMD样本熵特征提取方法及其在行星变速箱故障诊断中的应用［J］. 振动与冲击， 2018 ， 37 （ 16 ）： 198 - 205 .

YANG Dawei ， FENG Fuzhou ， ZHAO Yongdong ， et al . A VMD sample entropy feature extraction method and its application in planetary gearbox fault diagnosis ［J］. Journal of Vibration and Shock ， 2018 ， 37 （ 16 ）： 198 - 205 .

梁智，孙国强，李虎成，等 . 基于VMD与PSO优化深度信念网络的短期负荷预测［J］. 电网技术， 2018 ， 42 （ 2 ）： 598 - 606 .

LIANG Zhi ， SUN Guoqiang ， LI Hucheng ， et al . Short-term load forecasting based on VMD and PSO optimized deep belief network ［J］. Power System Technology ， 2018 ， 42 （ 2 ）： 598 - 606 .

朱文广，李映雪，杨为群，等 . 基于K-折交叉验证和Stacking融合的短期负荷预测［J］. 电力科学与技术学报， 2021 ， 36 （ 1 ）： 87 - 95 .

ZHU Wenguang ， LI Yingxue ， YANG Weiqun ， et al . Short-term load forecasting based on the K-fold cross-validation and Stacking ensemble ［J］. Journal of Electric Power Science and Technology ， 2021 ， 36 （ 1 ）： 87 - 95 .

姚程文，杨苹，刘泽健 . 基于CNN-GRU混合神经网络的负荷预测方法［J］. 电网技术， 2020 ， 44 （ 9 ）： 3416 - 3424 .

YAO Chengwen ， YANG Ping ， LIU Zejian . Load forecasting method based on CNN-GRU hybrid neural network ［J］. Power System Technology ， 2020 ， 44 （ 9 ）： 3416 - 3424 .

刘昊天，王萍，程泽 . 一种编解码器模型的锂离子电池健康状态估算［J］. 中国电机工程学报， 2021 ， 41 （ 5 ）： 1851 - 1860 .

LIU Haotian ， WANG Ping ， CHENG Ze . A novel method based on encoder-decoder framework for Li-ion battery state of health estimation ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 5 ）： 1851 - 1860 .

齐宁，程林，田立亭，等 . 考虑柔性负荷接入的配电网规划研究综述与展望［J］. 电力系统自动化， 2020 ， 44 （ 10 ）： 193 - 207 .

QI Ning ， CHENG Lin ， TIAN Liting ， et al . Review and prospect of distribution network planning research considering access of flexible load ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 10 ）： 193 - 207 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Power Forecasting for Photovoltaic Cluster in Long Forecasting Period Based on Power Reconstruction and Temporal Characteristic Constraints

Ultra-short-term Regional Load Forecasting Based on Spatio-Temporal Graph Attention Network

Self-learning Optimal Scheduling Method of Demand Response Based on Situation Orientation

Combination Forecasting Method of Short-term Photovoltaic Power Based on Weather Classification

Related Author

WANG Bo

YANG Mao

JIA Mengqi

ZHANG Wei

ZENG Jun

LIU Junfeng

CHEN Tingwei

CHEN Yuanrui

Related Institution

State Key Laboratory of Operation and Control of Renewable Energy & Storage Systems (China Electric Power Research Institute)

Key Laboratory of Modern Power System Simulation and Control & Renewable Energy Technology, Ministry of Education(Northeast Electric Power University)

School of Automation Science and Engineering, South China University of Technology

School of Electric Power Engineering, South China University of Technology

State Key Laboratory of Advanced Electromagnetic Engineering and Technology, Huazhong University of Science and Technology

⁰