一种基于无监督机器学习的城市照明设备故障检测方法

本发明提出了一种基于无监督机器学习的城市照明设备故障检测方法，主要应用于照明设施故障分析技术领域。该方法通过智能照明设备的数据采集终端实时获取设备的运行时序数据，并进行清洗处理，包括去除错误值、填补缺失数据、对齐时间戳及平滑数据。随后，利用清洗后的数据构建基于LSTM‑AE(自编码器长短期记忆网络)的设备状态监测模型，对设备状态进行研判，结合研判模型和差异度指标判断设备是否异常。此方法实现了故障的精准检测，提升了运维效率，降低了人力成本，满足复杂运维场景下的准确率需求。