基于深度学习的电力边缘集群异常识别方法

扫码查看

原文链接

万方数据
维普

中文摘要：电力边缘集群由于分布式部署和动态资源调度的特性,导致出现平均资源利用率较低的问题.为了解决这一问题,提出基于深度学习的电力边缘集群异常识别方法.该方法利用深度学习技术来采集实时数据,并将这些数据转化为特征向量集合,这些特征向量按照时间顺序排列,形成了有序的特征序列.通过构建这样的特征向量集合,描述电力边缘集群的运行状态.基于这些特征向量集合,计算电力边缘集群异常分数,与设置阈值对比,识别出电力边缘集群中的异常.实验结果表明,在电力边缘集群的六个节点上,设计的基于深度学习的电力边缘集群异常识别方法,平均资源利用率,达到了 87％,相比之下,文献[1]和文献[2]的方法平均资源利用率分别为83％和83.5％.证明设计方法能够更有效地利用资源,为异常识别提供了更好的支撑.

作者：

万静、赵崇、徐雯清、雷梦杰、周义聪

展开 >

作者单位：

广东电网有限责任公司广州供电局

东方电子股份有限公司

关键词：

深度学习无监督学习电力边缘集群异常识别异常系数

出版年：

2025

电气技术与经济

北京电工综合技术经济研究所

电气技术与经济

影响因子：0.393

ISSN：2096-4978

年,卷(期)：2025.(1)