基于实时数据流特征提取的设备能耗异常识别算法研究AET-电子技术应用-最丰富的电子设计资源平台

基于实时数据流特征提取的设备能耗异常识别算法研究
所属分类：技术论文
上传者：zhoubin333
文档大小：485 K
标签：特征提取注意力机制 LSTM
所需积分：0分积分不够怎么办？
文档介绍：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。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动