| 基于实时数据流特征提取的设备能耗异常识别算法研究 | |
| 所屬分類：技术论文 | |
| 上傳者：zhoubin333 | |
| 文檔大小：485 K | |
| 標簽： 特征提取 注意力机制 LSTM | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：能耗设备的节能是企业节能减排中非常重要的一环，及时发现能耗设备运行中出现的异常，对减少不必要的企业能耗具有重要意义。利用采集到的设备实时能耗数据流，提出了一种基于多特征提取的设备能耗异常识别分类方法。首先，对样本数据提取了低能耗时间比、高能耗时间量、DTW距离等特征量，随后利用孤立森林算法和K-means聚类算法对每条样本数据进行类型标定，最后构建了注意力机制与LSTM相结合的设备能耗异常分类算法。实验结果表明，该算法的分类正确率达到了97.76%，可以高效识别出不同类型的设备能耗异常，从而为企业及时作出处理、减少能耗损失提供了决策依据。 | |
| 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