摘要
本发明涉及电力数据处理领域,更具体地,本发明涉及一种电力信息处理设备的故障状态的预测方法及系统,方法包括:使用LOF算法对电流数据进行异常检测,得到异常数据,并构建异常数据集;计算异常数据集中所有异常数据以及异常数据在邻域内的噪声表现,以修正LOF算法中异常数据的局部离群因子,得到显著局部离群因子;响应于显著离群因子大于离群阈值,判断目标异常数据为真实的异常数据;根据真实的异常数据集训练预设的预测神经网络模型,获得下一时刻电流数据的预测信息,响应于预测信息为异常,判断电力信息处理设备为故障状态。本发明减少由于噪声数据引起的误报情况,提高电力信息设备的准确率。
技术关键词
异常数据
信息处理设备
邻域
神经网络模型
LOF算法
因子
计算机程序指令
电力信息设备
电流
噪声数据
预测系统
存储器
特征值
处理器
偏差
序列
误差
系统为您推荐了相关专利信息
生成器网络
训练神经网络模型
深度学习预测
样本
数据
康复训练方法
卷积神经网络模型
手部康复机器人
电信号
手势
像素点
轮廓信息
视频帧
计算机执行指令
边缘检测算法
掩膜
血管
血流动力学参数
边缘检测
IVUS导管