摘要
本发明涉及故障检测领域,特别是涉及智能低压用电设备的故障检测方法。包括:获取目标低压用电设备的待测特征向量;将待测特征向量输入目标LSTM模型中,生成目标低压用电设备在第一未来时段中对应的故障概率;本法发明中,在对LSTM进行训练时,不仅在训练样本中加入了历史用电特征数据及历史环境特征数据,还增加了预测时段(也即第一未来时段)中环境的温湿度特征数据。由此,可以让LSTM模型更加准确的捕获故障与历史特征数据及未来环境特征之间的关系。进而可以更加准确的对未来时段中故障发生的概率进行提前预测。
技术关键词
低压用电设备
智能低压
故障检测方法
非瞬时性计算机可读存储介质
LSTM模型
标签
样本
安装箱
处理器
行政区
数据
习惯
温湿度
存储器
电子设备
电流
住宅
参数
曲线
系统为您推荐了相关专利信息
时空卷积神经网络
故障检测方法
故障表征
时延抖动
通信信道
LSTM神经网络
LSTM模型
雷达回波数据
矩阵
代表
斯皮尔曼相关系数
样本熵特征
灰色关联分析法
BiLSTM模型
集合经验模态分解
光伏发电工程
历史故障数据
LSTM模型
预测故障率
列表