| 基于實時數(shù)據(jù)流特征提取的設(shè)備能耗異常識別算法研究 | |
| 所屬分類：技術(shù)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(shè)備的節(jié)能是企業(yè)節(jié)能減排中非常重要的一環(huán)，及時發(fā)現(xiàn)能耗設(shè)備運行中出現(xiàn)的異常，對減少不必要的企業(yè)能耗具有重要意義。利用采集到的設(shè)備實時能耗數(shù)據(jù)流，提出了一種基于多特征提取的設(shè)備能耗異常識別分類方法。首先，對樣本數(shù)據(jù)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(shù)據(jù)進行類型標定，最后構(gòu)建了注意力機制與LSTM相結(jié)合的設(shè)備能耗異常分類算法。實驗結(jié)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(shè)備能耗異常，從而為企業(yè)及時作出處理、減少能耗損失提供了決策依據(jù)。 | |
| 現(xiàn)在下載 | |
| VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號-2