-
公开(公告)号:CN109460846B
公开(公告)日:2022-04-01
申请号:CN201810631261.1
申请日:2018-06-19
申请人: 国网浙江省电力有限公司湖州供电公司
摘要: 本发明通过分析运用主变压器的状态指标,基于数据挖掘的LSTM神经网络分析模型和高维向量距离确定方法对设备的未来状态实现预判。利用PCA方法对数据进行降维处理,通过PCA方法求出数据集的主元,选取最重要的部分,将其余的维数省去,达到降维和简化模型的目的,间接地对数据进行了压缩处理,同时很大程度上保留了原数据的信息。采用阶段式前向推进对比的方式,通过分析曲线的特性,通过对比不同周期的方式,对不同时间维度的曲线进行全寿命周期对比,筛选出最优周期作为趋势预判的阈值。本发明的优点是:设备运行状态预测效率高、精度高。
-
公开(公告)号:CN109460846A
公开(公告)日:2019-03-12
申请号:CN201810631261.1
申请日:2018-06-19
申请人: 国网浙江省电力有限公司湖州供电公司
摘要: 本发明通过分析运用主变压器的状态指标,基于数据挖掘的LSTM神经网络分析模型和高维向量距离确定方法对设备的未来状态实现预判。利用PCA方法对数据进行降维处理,通过PCA方法求出数据集的主元,选取最重要的部分,将其余的维数省去,达到降维和简化模型的目的,间接地对数据进行了压缩处理,同时很大程度上保留了原数据的信息。采用阶段式前向推进对比的方式,通过分析曲线的特性,通过对比不同周期的方式,对不同时间维度的曲线进行全寿命周期对比,筛选出最优周期作为趋势预判的阈值。本发明的优点是:设备运行状态预测效率高、精度高。
-