基于时空卷积神经网络的智能电表故障预测

摘要：

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.

关键词：智能电表、故障预测、卷积神经网络、时空

所属期刊栏目：48

分类号：TP183;TM933.4(自动化基础理论)

在线出版日期：2022-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：59-63