基于边缘侧自编码器压缩的换流站设备故障预测

• 作者: 胡宪 张彩友 冯毅萍 顾天雄 潘戈 富银芳
• 来源期刊: 浙江电力
• 关键词: 边缘侧 分布式计算 故障预测 自编码器
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 大数据与人工智能|Big Data and Artificial Intelligence
• 页码范围: 36-44
• 页数: 9页
• 分类号: TM721.1
• 语种: 中文
• DOI: 10.19585/j.zjdl.202105006

摘要

随着电力需求的日益增长,保证电力设备维持在高可用的状态变得非常重要.故障预警通过预测设备的潜在故障,协助运维人员提前定位系统不稳定因素并加以干预,成为设备主动运维的重要方法.结合换流站设备呈区域分布的特点,提出了一种基于边缘侧自编码器压缩的分布式LSTM(长短期记忆网络)预测模型.该模型将生产区域抽象为边缘节点,通过自编码器提取表征各边缘节点设备状态的编码信息,并利用工业网络进行信息共享.通过特征工程的方法改进了传统LSTM模型的输入,在提升模型预测精度的同时降低了模型复杂度.某换流站的应用案例验证了方法的有效性和可行性.