文档名：基于时间序列和神经网络的电力设备状态异常检测方法
摘要：为进一步提高电力设备异常检测方法对设备信息的利用率,发现更多潜在的设备故障,结合大数据分析技术和设备评估技术,提出了一种基于时间序列和神经网络的状态数据异常检测方法.通过时间序列自回归模型和自组织映射神经网络将连续的电力设备数据离散为单个序列,计算状态变量在时间轴上的转移概率,通过状态转移概率和聚类算法快速检测数据异常.通过实验对该方法的有效性进行验证.结果表明,该方法可以快速、有效地检测电力设备异常状态.
Abstract：Duetothelowutilizationofequipmentinformation,theexistingabnormaldetectionmethodsforpowerequip-mentaredifficulttofindpotentialequipmentfaults.Combinedwithbigdataanalysistechnologyandequipmentevaluationtechnology,astatedataanomalydetectionmethodbasedontimeseriesandneuralnetworkisproposed.Theauto-regres-sivetimeseriesmodelandself-organizedmappingneuralnetworkareusedtodiscretizethecontinuouspowerequipmentdataintoasinglesequence,andthetransitionprobabilityofthestatevariableonthetimeaxisiscalculated,whichcanquicklydetectdataanomaliesthroughstatetransitionprobabilityandclusteringalgorithms.Theeffectivenessofthepro-posedmethodisverifiedbyexperiments.Theresultsshowthatthismethodcandetecttheabnormalstateofpowerequip-mentquicklyandeffectively.
作者：丁江桥 文屹 吕黔苏 张迅 范强 黄军凯Author：DINGJiangqiao WENYi LVQiansu ZHANGXun FANQiang HUANGJunkai
作者单位：贵州电网有限责任公司电力科学研究院,贵阳550002
刊名：电测与仪表
Journal：ElectricalMeasurement&Instrumentation
年，卷(期)：2024, 61(2)
分类号：TM835.4
关键词：电力设备 时间序列自回归模型 自组织映射神经网络 转移概率 异常检测
Keywords：powerequipment auto-regressivetimeseriesmodel self-organizedmappingneuralnetwork transferproba-bility anomalydetection
机标分类号：P207TP391F224
在线出版日期：2024年3月1日
基金项目：南方电网有限公司科技项目基于时间序列和神经网络的电力设备状态异常检测方法[
期刊论文] 电测与仪表--2024, 61(2)丁江桥 文屹 吕黔苏 张迅 范强 黄军凯为进一步提高电力设备异常检测方法对设备信息的利用率,发现更多潜在的设备故障,结合大数据分析技术和设备评估技术,提出了一种基于时间序列和神经网络的状态数据异常检测方法.通过时间序列自回归模型和自组织映射神经网...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于时间序列和神经网络的电力设备状态异常检测方法 Abnormal state detection method of power equipment based on time series and neural network
基于时间序列和神经网络的电力设备状态异常检测方法.pdf
- 文件大小:
- 4.47 MB
- 下载次数:
- 60
-
高速下载
|
|
