| 基于實時數據流特征提取的設備能耗異常識別算法研究 | |
| 所屬分類：技術論文 | |
| 上傳者：zhoubin333 | |
| 文檔大小：485 K | |
| 標簽： 特征提取 注意力機制 LSTM | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：能耗設備的節能是企業節能減排中非常重要的一環，及時發現能耗設備運行中出現的異常，對減少不必要的企業能耗具有重要意義。利用采集到的設備實時能耗數據流，提出了一種基于多特征提取的設備能耗異常識別分類方法。首先，對樣本數據提取了低能耗時間比、高能耗時間量、DTW距離等特征量，隨后利用孤立森林算法和K-means聚類算法對每條樣本數據進行類型標定，最后構建了注意力機制與LSTM相結合的設備能耗異常分類算法。實驗結果表明，該算法的分類正確率達到了97.76%，可以高效識別出不同類型的設備能耗異常，從而為企業及時作出處理、減少能耗損失提供了決策依據。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2