文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.212289
中文引用格式: 高文俊,,薛斌斌,,龐振江. 基于時(shí)空卷積神經(jīng)網(wǎng)絡(luò)的智能電表故障預(yù)測(cè)計(jì)[J].電子技術(shù)應(yīng)用,2022,,48(3):59-63.
英文引用格式: Gao Wenjun,,Xue Binbin,Pang Zhenjiang. Fault prediction of smart meter based on spatio-temporal convolution neural network[J]. Application of Electronic Technique,,2022,,48(3):59-63.
0 引言
我國(guó)電網(wǎng)從“信息化”向“智能化”發(fā)展是未來(lái)的必然趨勢(shì)[1],。智能電表是智能電網(wǎng)數(shù)據(jù)采集的基本設(shè)備之一,承擔(dān)著原始電能數(shù)據(jù)采集,、計(jì)量和傳輸?shù)娜蝿?wù),,是實(shí)現(xiàn)信息集成、分析優(yōu)化和信息展現(xiàn)的基礎(chǔ),。近年來(lái),,隨著智能電網(wǎng)信息采集系統(tǒng)的建設(shè),,智能電表已經(jīng)獲得了大范圍的推廣和應(yīng)用。如此大規(guī)模的智能電表一旦出現(xiàn)故障,,會(huì)影響到電網(wǎng)的控制和管理,,與人民的切身利益和社會(huì)的和諧穩(wěn)定密切相關(guān)[2-3]。
目前,,國(guó)內(nèi)主要是通過(guò)定期巡檢的方式確定電表的故障信息,,并作進(jìn)一步處理。但是該方法需要耗費(fèi)大量的人力,、物力和時(shí)間資源,,并且需要巡檢人員具備一定的專(zhuān)業(yè)知識(shí)[4]。隨著我國(guó)科技的快速發(fā)展,,越來(lái)越多的智能電表數(shù)據(jù)被采集和存儲(chǔ),,采用數(shù)據(jù)挖掘的方法對(duì)智能電表的故障數(shù)據(jù)進(jìn)行特征提取,捕捉各特征間的影響規(guī)律,,實(shí)現(xiàn)對(duì)智能電表的故障預(yù)測(cè)成為未來(lái)發(fā)展的重要方向[5],。
近年來(lái),關(guān)于智能電表的故障預(yù)測(cè)研究仍處于初步階段,。文獻(xiàn)[6]采用一種基于聚類(lèi)分析和云模型的智能電表故障分類(lèi)方法,,但是聚類(lèi)的方法很難定義故障的種類(lèi)。文獻(xiàn)[7]采用基于評(píng)分搜索的方法構(gòu)建了貝葉斯網(wǎng)絡(luò)結(jié)構(gòu),,在此基礎(chǔ)之上對(duì)智能電表的故障進(jìn)行預(yù)測(cè)和決策分析,。但是貝葉斯網(wǎng)絡(luò)對(duì)輸入數(shù)據(jù)的表達(dá)形式敏感,當(dāng)屬性個(gè)數(shù)較多或?qū)傩灾g相關(guān)性較大,,數(shù)據(jù)量較大時(shí),,分類(lèi)效果會(huì)受到影響。文獻(xiàn)[8]通過(guò)人為刪除重復(fù)數(shù)據(jù)與無(wú)關(guān)數(shù)據(jù),,補(bǔ)全數(shù)據(jù)中的缺失值,,獲得預(yù)測(cè)數(shù)據(jù)和特征數(shù)據(jù),采用神經(jīng)網(wǎng)絡(luò)的方法對(duì)智能電表的故障類(lèi)型進(jìn)行分析,。該方法可以良好地針對(duì)海量數(shù)據(jù)進(jìn)行建模,,但是需要先對(duì)數(shù)據(jù)的輸入特征和無(wú)關(guān)數(shù)據(jù)進(jìn)行人為處理,人為選擇的相關(guān)特征很有可能會(huì)舍棄掉一部分有用的數(shù)據(jù)信息,,使故障預(yù)測(cè)精度受到影響,。
本文詳細(xì)內(nèi)容請(qǐng)下載:http://forexkbc.com/resource/share/2000004004。
作者信息:
高文俊,,薛斌斌,,龐振江
(北京智芯微電子科技有限公司,北京102299)