基于TCN-BILSTM的配电网异常数据修正分析

摘要

现有配电网异常诊断是建立在物理模型基础上，制约了其精度的提升。为此设计了一种基于TCN-BILSTM的配电网异常数据修正及DNN状态估计方法。通过多个深度网络有效改善了系统状态评估性能，将其划分为离线学习与在线状态估算两个步骤，并给出了基于分布式融合深度神经网络的详细处理过程。研究结果表明：本文TCN-BILSTM模型可以使MAPE、RMSE获得明显下降，证明了该模型在测量序列上具备有效性，能更好地实现异常数据的校正。该研究有助于提高电网中电子数据的通信安全，具有一定的理论支撑。

关键词

状态估计 / 最大相关-最小冗余 / 分布式 / 集成深度神经网络