基于HHO优化CNN-BiLSTM-Attention的智能电表异常诊断方
所属分类:技术论文
上传者:wwei
文档大小:3533 K
标签: 智能电表 异常诊断 CNN-BiLSTM-Attention
所需积分:0分积分不够怎么办?
文档介绍:针对智能电表异常诊断中样本类别极度不平衡及多维电气量耦合特征难以挖掘导致诊断精度低的问题,提出一种基于哈里斯鹰优化算法(Harris Hawk Optimization,HHO)与焦点损失函数(Focal Loss)改进的CNN-BiLSTM-Attention异常诊断方法。在包含多种典型故障且样本类别极度不平衡的智能电表数据集上进行仿真模拟分析,实验结果表明,所提方法对智能电表异常的识别准确率达到96.40%,相较于主流异常诊断方法具有更高的诊断检测精度,验证了所提方法在样本不平衡及多维特征耦合场景下的优越性。
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。