多模態馬爾科夫決策泛在電力物聯網大數據智能挖掘

摘 要：針對泛在電力物聯網結構復雜、數據多樣且不確定的問題，提出了一種基于多模態馬爾科夫決策的泛在電力物聯網大數據智能挖掘方法。該方法構建了一種基于最大熵的馬爾科夫決策算法，對電力泛在物聯網進行故障診斷和負荷預測，具有標記樣本需求量小、置信度高的特點。通過結合電氣量信息及開關量信息來提取電網數據特征，從而充分利用多模態數據樣本。仿真分析與實驗結果表明，相比于傳統方法，所提方法能夠有效識別出包括信息畸變在內的電網故障，提升電網故障診斷的準確率和電網負荷預測的精度。

關 鍵 詞：電網；泛在電力物聯網；馬爾科夫決策；最大熵；故障診斷；負荷預測；電氣量；開關量

中圖分類號：ＴＭ７６ 文獻標志碼：Ａ 文章編號：１０００－１６４６（２０２４）０２－０１４４－０６

在智能電網發展背景下，信息傳感技術的廣泛應用與可再生能源的大量接入使得電網的結構越來越復雜［１］。近年來，電網公司為了處理復雜的電網結構，實現電力系統各環節的人機交互、萬物互聯和信息高效處理等目標，提出了電網泛在物聯網概念。在該概念體系下，圍繞電力系統各環節充分應用人工智能與移動互聯技術進行改進［２－４］。由于智能電網具有運行時間長、覆蓋面廣及運行條件復雜等特點，包含了從發電、輸變電到配電和用電的各個環節，因此，在電網運行過程中產生了海量且類型多樣的數據［５］。如何從電網大數據中挖掘出電網故障與異常信息，已逐漸成為電網大數據挖掘的研究重點［６－７］。