[1]王 宁,代 江,单 克,等.基于字典学习算法的调度运行信息稀疏编码方法[J].机械与电子,2019,(07):20-23.
 ,,et al.A Sparse Coding Method for Power System Operation Information Based on Dictionary Learning Algorithm [J].Machinery & Electronics,2019,(07):20-23.
点击复制

基于字典学习算法的调度运行信息稀疏编码方法()
分享到:

机械与电子[ISSN:1001-2257/CN:52-1052/TH]

卷:
期数:
2019年07期
页码:
20-23
栏目:
设计与研究
出版日期:
2019-07-24

文章信息/Info

Title:
A  Sparse Coding Method for Power System Operation Information Based on Dictionary Learning Algorithm 
文章编号:
1001- 2257(2019)07- 0020- 04
作者:
王 宁代 江单 克赵 倩田年杰
贵州电网有限责任公司电力调度控制中心,贵州 贵阳 550002
Author(s):
WANGNingDAIJiangSHANKeZHAOQianTIANNianjie
GuizhouPowerGridDispatchingCenter,Guiyang550002,China
关键词:
字典学习调度运行信息稀疏编码人工智能算法稀疏度
Keywords:
dictionarylearningalgorithmdispatchingoperationinformationsparsecodingartificial intelligencealgorithmsparsedegree
分类号:
TM743
文献标志码:
A
摘要:
在电力系统中,随着电网规模的不断扩大,运行信息的数据规模与复杂程度不断增大,对其编码效率提出了更高的要求。字典学习算法是当前应用较为广泛的人工智能算法,其优势在于能够给出一个标准的基础信息库,使得依据该库所得到运行信息表示形式相对稀疏。首先介绍了字典学习算例原理与实施方法;结合电力系统调度运行控制实际,提出了基于字典学习的调度运行信息稀疏编码方法。最后基于某电网实际,利用近二年的运行记录信息构建了调度运行字典。算例表明利于该字典所编码表示的调度运行记录稀疏度处于0.35~0.80之间,符合大数据处理的稀疏性要求。
Abstract:
Inpowersystem,thedatasizeandcomplexityoftheoperationinformationareincreasingquickly withthecontinuousexpansionofpowergrid,whichputsforwardhigherrequirementsforsparsecodingefficiency. Dictionarylearningalgorithmisawidelyusedartificialintelligencealgorithmatpresent.Itsadvantageisthatitcan provideastandardbasicinformationbasetopresentarelativelysparserepresentationforoperationinformation
basedonthestandardbasicinformationbase.Theprincipleandimplementationofdictionarylearningalgorithm wasfirstlyintroduced.Thenaspecificsparsecodingmethodfordispatchingoperationinformationbasedondictionarylearningwasproposed.Finally,basedontheactualsituationofapowergrid,thedispatchingoperation dictionarywasconstructedwiththeoperationrecordinformationofthelasttwoyears.Thecasestudyshowsthat thesparsityoftheschedulingoperationrecordencodedbythedictionaryisbetween0.35and0.80,whichmeets
thesparsityrequirementofbigdataprocessing.

参考文献/References:

[1] 万源,张景会,吴克风,等.基于多层非负局部 Laplacian稀疏编 码 的 图 像 分 类[J].计 算 机 应 用,2018,
38 (9):2489- 2494,2499.

[2] 潘可佳,王鑫,吴岩,等.基于电网智能算法下大数据在电力行业中的应用[J].机械与电子,2018,36(4):76- 80.
[3] 薛盖超,何宇,王丹,等.基于态势感知理论的大电网运行控制系统设计及开发应用[J].机械与电子,2018,36 (3):3-6,10.
[4] 周学斌,李晓明,李雷,等.采用长短期记忆网络与压缩感知实现电物理量轻型化方法[J].电力系统自动化, 2019,43(1):102- 109,241.
[5] 孙国栋,周振,王俊豪,等.基于稀疏编码空间金字塔匹配和 GA SVM 的列车故障自动识别[J].光学精密工程,2018,26(12):3087- 3098.
[6] 万源,张景会,陈治平,等.基于弹性网和直方图相交的非负局部稀疏编码[J].计算机应用,2019,39(3):706-
711.
[7] 徐佳庆,万文,吕启.基于二阶矩稀疏编码的高光谱遥感图像分类[J].计算机科学,2018,45(9):288- 293.
[8] 李军,於阳.基于稀疏编码的短期风电功率时间序列预测[J].电力系统保护与控制,2018,46(12):16- 23.
[9] 孙利雷,秦进.稀疏字典学习方法综述[J].贵州大学学报(自然科学版),2018,35(5):81- 86.
[10] 潘可佳,王鑫,杨帆,等.面向电力大数据的多源异构数据融合技术研究[J].机械与电子,2017,35(9):7- 11.
[11] 薛文俊,谢淑翠,王至琪.基于层次化字典学习的图像超分辨率方法[J].计算机工程与设计,2019,40(2): 488-
 491.
[12] 刘连,王孝通.基于多尺度图像块分类的字典学习算法[J].科学技术与工程,2019,19(4):150- 154.
[13] 林杨,高思煜,刘同舜,等.基于深度学习的高速铣削刀具磨 损 状 态 预 测 方 法 [J].机 械 与 电 子,2017,35
(7):12- 17.
[14] 牛彪,李海洋.低字典相干性 K SVD 算法研究[J].
计算机与数字工程,2019,47(1):92- 98.

备注/Memo

备注/Memo:
收稿日期:2019- 04- 08
基金项目:南方电网公司科技项目(066501(2018)030103FD72)
作者简介:王 宁 (1975-),男,重庆人,高级工程师,研究方向为电网调度运行;代 江 (1985-),男,湖北天门人,工程师,硕士,主要研究方向为电力系统自动化;单 克 (1979-),男,江苏南通人,高级工程师,研究方向为电网调度运行;赵 倩 (1986-),女,河南林州人,工程师,硕士,研究方向为电力系统及其自动化;田年杰 (1976-),男,苗族,湖南怀化人,高级工程师,硕士,研究方向为电网调度运行。
更新日期/Last Update: 2019-10-21