典型文献
基于时空卷积神经网络的智能电表故障预测
文献摘要：
针对智能电表故障具有的突发性、复杂性以及多面性等特点,提出一种基于时空卷积神经网络(ST-CNN)的故障预测方法.该方法首先采用滑动窗口将时间信息融入特征变量中,构建具有时空特性的输入矩阵,然后与CNN相结合,建立智能电表故障预测模型,并采用Adam算法对模型参数进行优化.最后应用现场的实际数据对基于ST-CNN的智能电表故障预测模型进行仿真,结果表明该方法预测精度高,泛化能力强.
文献关键词：
智能电表;故障预测;卷积神经网络;时空
中图分类号：
作者姓名：
高文俊;薛斌斌;庞振江
作者机构：
北京智芯微电子科技有限公司,北京102299
文献出处：
引用格式：
[1]高文俊;薛斌斌;庞振江-.基于时空卷积神经网络的智能电表故障预测)[J].电子技术应用,2022(03):59-63
A类：
B类：
智能电表,电表故障,突发性,多面性,ST,滑动窗口,时间信息,特征变量,时空特性,故障预测模型,Adam,实际数据,泛化能力
AB值：
0.225989
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
