基于深度置信网络和随机森林的电力扰动检测方法

电力扰动数据中包含着大量与设备异常运行状态有关的信息,某些设备的扰动特征很微弱,但却会对设备的运行产生一定的影响,对这些扰动数据的检测将有利于准确感知设备运行状态,防止设备发生故障。提出了一种基于深度置信网络的电力扰动数据检测方法,利用深度置信网络强大的特征提取能力,自动学习出蕴含在扰动数据中的隐藏特征,摆脱人为提取特征的依赖。最后将学习到的特征作为随机森林的输入,实现对电力扰动数据的检测。利用某变电站记录到的实测数据和PSCAD/EMTDC中的仿真数据进行了验证,结果表明所提方法能够准确检测出电力扰动数据,证实了利用深度置信网络检测电力扰动数据的可行性。