基于时序模型和深度学习的设备故障上限评估算法

摘要

为保障气体绝缘开关设备稳定运行，提出基于时序模型和深度学习的设备故障上限评估算法。该方法利用经验模态分解平稳化时间序列的不规则波动，结合长短期记忆网络构建联立算法；然后，通过该算法处理设备故障数据，提取敏感的本征模函数分量，进而完成故障特征的提取；最后，构建深度学习模型，并确定折射、反射系数，实现设备故障上限评估。测试结果表明：本文算法具有理想的故障上限评估结果，所得曲线与实际结果曲线之间具有较高的拟合度。由此可证明，本文算法可对设备故障上限进行科学评估，具有一定应用价值。

关键词

时间序列模型 / 故障上限评估 / 不规则波动 / 参数寻优 / 经验模态分解