摘要
本发明公开了一种基于人工智能的电力系统智能监测方法,包括:通过调整后的模型参数集,结合历史数据的核心知识表示,对新增数据进行实时预测分析,获取当前时间段的运行状态评估值,判断系统是否存在异常波动趋势;获取异常波动趋势后,针对评估值超出正常范围的部分,利用预先建立的知识蒸馏框架,从已有知识中提取关键模式,得到精炼的知识子集;根据精炼的知识子集与新增数据的特征向量集,对模型进行微调,确定更新后的监测模型;避免了传统方法中对全量数据的重复计算,大大提高了数据处理效率,满足了实时监测的时间要求,解决了传统方法中模型更新滞后的问题,解决了新增数据引入后精度难以保持的问题。
技术关键词
电力系统智能监测
判断系统
数据
增量学习算法
序列
时间段
滑动窗口方法
分片
电力系统运行状态
知识蒸馏方法
滑动窗口机制
预测误差
参数
核心
连续性
异常点
模式
分段
系统为您推荐了相关专利信息
智能探测系统
智能分析模块
卫星遥感数据
遗传算法优化
记忆单元
核磁共振成像设备
噪声特征
图像处理方法程序
特征数据信息
分辨率
集成装饰系统
智能控制单元
支撑骨架
能源管理模块
红外传感器
物流机器人
模糊隶属函数
数据
EM算法
蒙特卡罗