典型文献
基于深度学习的高压开关柜负荷数据智能挖掘系统设计
文献摘要：
受到虚假数据干扰,导致高压开关柜负荷数据挖掘结果误差大,针对该问题,提出了基于深度学习的高压开关柜负荷数据智能挖掘系统设计.使用ARM+DSP双CPU结构,对适配器代理初始化,并采用双臂螺旋天线,设计负荷数据监测器,检测500～1500 MHz频带内的局放信号,抑制噪声干扰;通过CAN总线或485总线,将监控信息传送到智能交换机,实现远程监控;根据断路器接触点及电流特性,设计了电流互感器,使感应电压的变化范围变小;构建空间中连续一组函数MMD,调整原有网络结构,建立深度学习挖掘模型,初始网络参数,消除网络中虚假数据,利用目标域数据对网络优化,结合挖掘引擎实现数据智能挖掘.由实验结果可知,该系统挖掘误差为0,具有精准挖掘效果.
文献关键词：
深度学习;高压开关柜;负荷数据;智能挖掘
中图分类号：
作者姓名：
万四维;廖肇毅;何俊达
作者机构：
广东电网有限责任公司东莞供电局,广东东莞523000
文献出处：
引用格式：
[1]万四维;廖肇毅;何俊达-.基于深度学习的高压开关柜负荷数据智能挖掘系统设计)[J].电子设计工程,2022(24):157-161
A类：
B类：
高压开关柜,负荷数据,数据智能,智能挖掘,挖掘系统,假数据,数据干扰,ARM+DSP,CPU,适配器,初始化,双臂,螺旋天线,设计负荷,数据监测,监测器,MHz,频带,局放,抑制噪声,噪声干扰,CAN,总线,线或,监控信息,信息传送,送到,交换机,远程监控,断路器,接触点,电流互感器,感应电压,变化范围,MMD,挖掘模型,网络参数,目标域,网络优化,系统挖掘
AB值：
0.436044
相似文献
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。
