10.16157/j.issn.0258-7998.212289
基于时空卷积神经网络的智能电表故障预测
针对智能电表故障具有的突发性、复杂性以及多面性等特点,提出一种基于时空卷积神经网络(ST-CNN)的故障预测方法.该方法首先采用滑动窗口将时间信息融入特征变量中,构建具有时空特性的输入矩阵,然后与CNN相结合,建立智能电表故障预测模型,并采用Adam算法对模型参数进行优化.最后应用现场的实际数据对基于ST-CNN的智能电表故障预测模型进行仿真,结果表明该方法预测精度高,泛化能力强.
智能电表、故障预测、卷积神经网络、时空
48
TP183;TM933.4(自动化基础理论)
2022-04-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
59-63