基于大数据的电力智能 IoT 系统故障预测与自愈机制研究AET-电子技术应用-最丰富的电子设计资源平台

基于大数据的电力智能 IoT 系统故障预测与自愈机制研究
所属分类：技术论文
上传者：wwei
文档大小：4257 K
标签：分布式相量测量单元自注意力机制数据填补
所需积分：0分积分不够怎么办？
文档介绍：分布式电网中D-PMU数据易因设备故障、通信问题等缺失，影响电网监控与保护系统的可靠性，进而制约故障预测与自愈机制的精准性。提出基于自注意力机制的SAITS模型，用于分布式电网中D-PMU数据的缺失值填补，SAITS模型通过联合优化训练策略，结合掩码预测与观测值重建任务，利用对角掩码自注意力机制捕捉时间序列数据的长期依赖关系和特征相关性，有效填补缺失数据。研究结果表明，该模型在处理高达90%的缺失数据时仍能保持高精度，与LOCF、BRITS和TF模型相比，SAITS在RMSE和MAE等指标上表现更优，R²分数超过97%。结论指出，SAITS模型能够有效提高D-PMU数据的完整性和准确性，增强电网保护设备的可靠性，为电力智能IoT系统中的故障预测与自愈机制提供高质量数据支持，从而提升系统的自愈能力和运行可靠性。
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。