| 张巧艳.基于深度学习的电气工程中电力设备状态监测与预警系统研究[J].电工技术,2024(S2):102-104 |
| 基于深度学习的电气工程中电力设备状态监测与预警系统研究 |
|
| |
| DOI：10.19768/j.cnki.dgjs.2024.S2.036 |
| 中文关键词: 电力设备 状态监测 故障预警 深度学习 LSTM CNN 注意力机制 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 24 |
| 全文下载次数: 0 |
| 中文摘要: |
| 电力设备的稳定运行是保障电力系统安全可靠的基础。然而，电力设备种类繁多、结构复杂、运行环境恶劣，其状态监测和故障预警面临着诸多挑战。传统的基于规则和统计模型的方法难以适应日益复杂的工况，亟需引入新的技术手段。本文针对这一问题，提出了一种基于深度学习的电力设备状态监测与预警系统。该系统采用长短时记忆网络（LSTM）和卷积神经网络（CNN）相结合的混合模型，能够同时建模设备运行的时间特性和空间特性，挖掘数据中蕴含的深层次信息。同时，引入注意力机制，自适应地关注设备运行数据中的关键信息，增强模型的表达能力和可解释性。在实际电力设备运行数据上的实验表明，所提出方法能够有效地评估设备健康状态，其准确率、精确率、召回率和F1值均优于传统机器学习方法，且在设备故障预警方面也取得了良好效果。本文的研究成果可为电力设备的智能监测和运维提供新的思路，对于提升电力系统的安全性、可靠性和经济性具有重要意义。 |
| 英文摘要: |
| |
| 查看全文 查看/发表评论 下载PDF阅读器 |
