期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于LSTM-MACNN的油色谱在线监测装置误告警识别 被引量：1
1
作者 金花 曹培治 +2 位作者 金汪奥博 王劭鹤 贾玉轩 《电力信息与通信技术》 2023年第11期55-62,共8页
针对油色谱在线监测会产生大量误告警的问题,文章利用告警前在线监测数据的趋势类型判断该告警是否准确,为了实现数据趋势的精确识别,提出了长短期记忆多尺度注意力卷积神经网络(long short-term memory multi-scale attention convolut... 针对油色谱在线监测会产生大量误告警的问题,文章利用告警前在线监测数据的趋势类型判断该告警是否准确,为了实现数据趋势的精确识别,提出了长短期记忆多尺度注意力卷积神经网络(long short-term memory multi-scale attention convolutional neural network,LSTM-MACNN)模型。该模型首先使用LSTM网络提取油色谱在线监测数据的长期依赖特征,然后加入残差连接,使用多尺度卷积提取原始数据不同尺度的复杂局部特征和LSTM处理后的时序依赖特征,最后使用注意力机制帮助模型有选择地增强重要特征信息,抑制无关信息。实验结果表明,LSTM-MACNN模型在H2-总烃测试集上趋势识别的准确率为96.3%,在C2H2测试集上的准确率为98.6%。通过实例验证可知,利用装置告警前数据趋势类型识别误告警的准确率达到97%,所提方法可以为油色谱在线监测装置的误告警判断提供重要参考。 展开更多
关键词 油色谱在线监测 变压器 时间序列分类 LSTM CNN
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部