科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对变电站故障推理和分析应用存在人工总结的规则不全面、总结难度大、干扰信号多、故障推理配置可重用性低，以及故障推理往往需要考虑输入信号的时序性等问题，而采用传统机器学习算法无法有效解决此问题，提出一种基于长短期记忆循环神经网络（LSTM-RNN）、自然语言处理技术的变电站智能故障推理方法。分析了故障推理的应用场景，介绍了智能故障推理方法的整体架构、关键技术，并通过实际数据的应用试验进行了测试，验证了不依赖人工规则的智能故障推理方法的可行性，在信号时序可以记忆的场景中LSTM-RNN比其他机器学习算法有更好的适用性。
-
单位自动化学院; 国电南京自动化股份有限公司; 南京邮电大学
