论文部分内容阅读
由于智能电表操纵行为产生的异常状态不仅会造成严重经济损失，而且会导致电网运行状态误判从而影响电网安全性。文章提出了一种基于超态隐马尔可夫(SSHM)模型的智能电表操纵行为检测和定位方法。该方法首先在隐马尔可夫模型中引入超态量，并基于该模型转移矩阵和观测矩阵的稀疏性特点，给出了改进Viterbi算法，降低了数据存储和计量难度；通过包含典型操纵行为的数据集对模型的关键性能参数进行了评估和优化，从而建立起了高性能的SSHM模型；最后，通过操纵行为算例分析对比了该方法与其他方法的检测性能，证明了该方法具有极高的准确性，是解决智能电表操纵行为异常状态检测与定位问题的有效手段。