摘要
一种配电设备故障检测方法,属于深度学习技术领域,解决电力系统中由于运维数据的缺失而带来的故障检测精度不高问题,本发明通过采集电力配电网络运维数据,基于时间序列对状态数据集进行数据切分,通过图卷积网络提取空间特征,采用多层感知机提取和学习数据中的时间依赖性和非线性关系;进行特征拼接,统一数据的维度,采用逐位相加统一维度后的特征向量进行融合;将特征向量与环境信息进行合并,合并后的特征向量送入由多层感知机和全连接层构成的深度学习网络中进行训练;用均方误差损失函数评估模型偏差,使用反向传播和梯度下降对模型参数进行更新优化,本发明提升了电力系统的稳定性、可靠性及运行效率。
技术关键词
配电设备故障
电力配电网络
多层感知机
深度学习网络
预测电力系统
电力配电设备
数据流特征
运维
梯度下降算法
深度学习技术
数据嵌入
处理器
非线性
误差
电子设备
故障检测
参数
存储器