基于GSA的用电信息采集异常精确定位研究

随着电力信息化建设不断推进,涉及的各类电力设备越来越多,为了保证电力系统的可靠正常运行,辨识系统中的用电信息采集异常并对异常点进行精确定位是电力系统安全稳定运行的前提和条件。文章涉及了电网中的用电信息采集领域,论文研究了建立在神经网络和聚类分析基础上的GSA异常数据定位算法,该算法运用神经网络完成对测量数据的预处理,并对聚类分析后的结果进行判断,完成异常数据的精确定位。仿真比较表明,该算法能较好地实现电力系统中用电信息采集异常的精确定位功能,具有一定的有效性与实用性,有效避免了异常数据的漏检与误检。