检索结果-南通市图书馆

微型计算机 2025年第4期 46-48页

作者：王奕张梓扬北京中电普华信息技术有限公司北京100192 新西兰奥克兰大学新西兰奥克兰1052

本研究通过分析大规模电网时间序列数据,提出了一种基于深度学习的异常检测模型。该模型结合了长短期记忆网络(LSTM)和自编码器(Autoencoder),能够有效捕捉电网数据的时间依赖性和非线性特征。实验结果表明,所提出的方法在检测准确率和... 详细信息

本研究通过分析大规模电网时间序列数据,提出了一种基于深度学习的异常检测模型。该模型结合了长短期记忆网络(LSTM)和自编码器(Autoencoder),能够有效捕捉电网数据的时间依赖性和非线性特征。实验结果表明,所提出的方法在检测准确率和实时性能上均优于传统方法。此外,研究还探讨了该技术在电网故障预警、负载预测和电力窃取检测等领域的具体应用,为提高电网运行的安全性和效率提供了新的思路。

关键词：异常检测电网数据流深度学习 LSTM-Autoencoder 实时监控

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：