典型文献
BiLSTM与TCN在户变关系异常识别中的应用
文献摘要：
准确的用户电表与变压器(台区)归属关系是实现低压台区线损精确计算分析的前提.为解决因用户数据量太少极易造成台区归属误判的问题,提出一种基于双向长短期记忆网络和时间序列卷积(BiLSTM-TCN)的时间序列分类方法,对用户所属台区进行识别.首先通过负荷数据计算台区线损率,识别可能存在户变异常的台区.然后将用户一周的电压日冻结曲线拼接成长时间序列进行判别,避免由于数据量太少造成误判.最后将异常用户加入到识别台区下,计算该台区户变关系调整前后线损率变化,验证户变关系识别是否正确.与传统方法相比,所提方法无需进行复杂的特征工程,识别准确率高,具有较强的实际应用价值.
文献关键词：
双向长短期记忆网络;时间序列卷积;户变关系识别;电力大数据;时间序列分类
中图分类号：
作者姓名：
杨健;周亚同;刘君
作者机构：
河北工业大学电子信息工程学院,天津 300401;朗新科技集团股份有限公司,天津 300041
文献出处：
引用格式：
[1]杨健;周亚同;刘君-.BiLSTM与TCN在户变关系异常识别中的应用)[J].电力系统及其自动化学报,2022(05):1-10
A类：
时间序列卷积
B类：
BiLSTM,TCN,异常识别,电表,变压器,低压台区线损,用户数据,数据量,太少,误判,双向长短期记忆网络,时间序列分类,分类方法,过负荷,负荷数据,数据计算,台区线损率,一周,冻结,曲线拼接,长时间序列,异常用户,该台,户变关系识别,特征工程,识别准确率,电力大数据
AB值：
0.278706
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
