基于RNN的低压变压器区域日线损率基准测试

输变电线路损耗是输变电阶段的固有现象,其是评价低压变压器区域日线损率的重要指标和基准。当对大数据样本上进行训练时,区域的数量通常非常大,并且线损率数据集包含大量的异常值。为了准确的计算低压变压器区域日线损率,提出了一种具有去噪自动编码器(DAE)多径网络模型的鲁棒神经网络(RNN)方法,利用丢包层、L2正则论和Huber损失函数的优点获得多种不同的输出,并利用比较结果计算出基准值和合理区间,实现了精确评估采样数据集的质量并消除线损率的异常值,从而提高数据检测的稳定性。通过与传统的机器学习模型相比,所提出的RNN具有较好的鲁棒性和准确性。根据所提出的RNN的最终结果,在整个数据点中约有13%的异常值,一个月内线损率无缺失值和异常值的区域仅占20%左右,说明了计电设备可靠性较低。