摘要
本发明公开了一种电能表异常检测方法与系统,方法包括以下步骤:采集电能表的三相电压并将所述三相电压的均方根作为原始特征数据;建立残差优化模型,并通过最小化残差优化模型的残差求解最优差分间隔;计算每个最优差分间隔内原始特征数据的平均差分值,并作为电能表特征数据;使用电能表特征数据作为样本训练卷积神经网络模型,使用训练好的卷积神经网络模型对电能表实时采集的数据进行检测。本发明通过构建基于残差优化的最优差分间隔的卷积神经网络异常监测模型,准确捕捉电能表特性数据的变化趋势,为电能表异常检测提供更加准确可靠的结果。
技术关键词
异常检测方法
卷积神经网络模型
采集电能表
训练卷积神经网络
微处理器
数据
异常检测系统
脉冲
可读存储介质
梯度下降法
信号
样本
表达式
频率
序列
编程
计算机
标签
系统为您推荐了相关专利信息
预警监测设备
职业病危害
穿戴式
表壳
生理传感器
视觉训练方法
视角
视觉训练系统
视差估计算法
卷积神经网络模型