摘要
一种电能表失准诊断方法、电子设备及存储介质,属于智能电能表检测技术领域,解决传统电能表失准诊断方法效率低的问题,本发明通过获取运行正常电能表的采样值及实际测量值作为样本数据;训练去噪编码器模型用于电能表失准诊断数据的降噪处理;构建神经网络模型拟合电能表采样值与实测值的关系并计算残差;利用K‑means聚类的方法确定电能表失准阈值;将神经网络模型与电能表失准阈值控制限结合,得到电能表失准诊断模型,将待诊断电能表的测量值输入所述电能表失准诊断模型中,得到电能表失准概率;本发明具有诊断准确率高、在线运行、运行负担小,加快了诊断的速度,提高了诊断的准确率,从而为电网的平稳运行提供了重要保障。
技术关键词
电能表
神经网络模型
诊断方法
编码器
初始聚类中心
电子设备
解码器
处理器
噪声数据
点分配
存储器
坐标
关系
样本
程序
负担
在线
系统为您推荐了相关专利信息
微观分析方法
模糊隶属函数
实时监测数据
模糊推理系统
地下水
粗糙度预测方法
输入神经网络模型
深度残差
训练特征
软阈值函数
三维倾斜摄影
通道剪枝
三维虚拟场景
积水
定位方法
特征选择
预测系统
数据格式转换功能
数据分布
数据处理模块