摘要
本发明涉及智能电表技术领域,公开了一种基于人工智能的电力计量异常核查方法、装置及设备,通过获取电能表的电力数据,进行归一化处理,并利用滑动窗口技术生成时间窗序列。结合小波神经网络对序列进行深度特征提取,增强了模型对关键信息的捕捉能力。将提取的特征输入至电力计量异常检测模型,该模型能够准确预测下一个时间步的电力数据。通过比较实际值与预测值,当差异超过预设阈值时,系统将自动判定电能表计量异常。本发明提升了电力计量的准确性和异常检测的实时性,优化了电力系统的可靠性和维护效率。
技术关键词
核查方法
小波神经网络
序列
数据
果蝇算法优化
LSTM模型
生成电力
初始窗口大小
局部搜索策略
智能电表技术
滑动窗口技术
传播算法
深度特征提取
功率因数
双曲正切函数
电能表计量
可读存储介质
系统为您推荐了相关专利信息
松材线虫病
识别方法
特征提取器
噪声样本
检测模型训练
变频离心风机
节能优化方法
动态场景
风机运行状态
画像
搜索优化方法
数据分析模块
标签数据库
搜索意图
数据获取模块