基于多源停电数据提示学习的电网轻量化停电感知模型

摘要

电网的稳定运行对于现代社会的生产和生活至关重要，实现从低压到系统多层面的停电监测与分析成为电力系统中的重要任务之一。然而，若通过新增边端节点的方式实现停电状态监测，将会带来巨大的建设和运维成本。因此，通过引入电网外部的智能家居等网络设备数据，开辟了兼具强实时高精度与低成本广覆盖的停电故障感知技术路径。同时，当前深度学习停电研判模型对不同场景需重新训练参数，缺乏轻量化部署且模型实时性不高。为此，基于多源异构数据融合方法，提出一种端到端的轻量化电网停电感知模型。首先，通过图聚类算法挖掘用户簇停电事件特征，并且获取停电先验作为停电研判提示。在此基础上，引入自适应提示学习，轻量化实现重复使用同一个模型参数，能在不同层面场景下进行停电研判。进一步，应用组稀疏算法优化停电模型的计算效率。该方法具有重要的实用价值和应用前景，对于提高电力系统的可靠性和稳定性具有显著的实用价值。

关键词

智能电网 / 多源异构数据 / 停电感知 / 图聚类 / 提示学习 / 深度学习