多模态马尔科夫决策泛在电力物联网大数据智能挖掘

摘要

针对泛在电力物联网结构复杂、数据多样且不确定的问题，提出了一种基于多模态马尔科夫决策的泛在电力物联网大数据智能挖掘方法。该方法构建了一种基于最大熵的马尔科夫决策算法，对电力泛在物联网进行故障诊断和负荷预测，具有标记样本需求量小、置信度高的特点。通过结合电气量信息及开关量信息来提取电网数据特征，从而充分利用多模态数据样本。仿真分析与实验结果表明，相比于传统方法，所提方法能够有效识别出包括信息畸变在内的电网故障，提升电网故障诊断的准确率和电网负荷预测的精度。

关键词

电网 / 泛在电力物联网 / 马尔科夫决策 / 最大熵 / 故障诊断 / 负荷预测 / 电气量 / 开关量

基金资助

国家自然科学基金项目(61501285); 南方电网数字电网研究院科技项目(ZBKJXM00000012)