-
题名基于稀疏学习的电力大数据压缩与高精度重建
- 1
-
-
作者
苏良立
王敏楠
余仰淇
肖娅晨
肖戈
-
机构
国家电网有限公司大数据中心
国网信通亿力科技有限责任公司
-
出处
《电子设计工程》
2024年第14期68-72,共5页
-
基金
国网大数据中心-2021年中国电力消费指数建设(数经e)(二期)-数据工程项目(SGSJ0000FXXX2100134)。
-
文摘
电网的运行需要大量电力大数据的支持,为了降低传输工作量,设计基于稀疏学习的电力大数据压缩与高精度重建方法。采用最优复杂度模型处理电力大数据的缺失值,通过基于残差学习方法的DnCNN去噪模型,对大数据去噪。根据向量主成分分析方法,对电力大数据进行压缩处理。基于稀疏学习构建大数据重建网络模型,实现电力大数据的重建。实验测试结果表明,设计方法的数据压缩比最高达到0.986,综合矢量误差整体低于0.3%,归一化均方误差整体低于0.8%。
-
关键词
稀疏学习
电力大数据
最优复杂度模型
向量主成分分析
-
Keywords
sparse learning
power big data
optimal complexity model
vector principal component analysis
-
分类号
TN931
[电子电信—信号与信息处理]
-
