基于深度学习的设备效用值关联数据分析技术.pdfVIP

信息技术XINXIJISHU2025年第1期

基于深度学习的设备效用值关联数据分析技术

杨洁，易立，毛宇，邓楚杭，赵筑雨?

摘要：为提升电力设备效用值的分析效率，文中对深度学习框架下的长时间序列处理算法进行了

研究。基于电力设备评估指标体系，通过提取关键特征，结合多属性决策（MADM)方法，对运行中的

电力设备效用值逐一计算，建立了深度学习算法训练、测试所需的数据集。针对电力设备数据集中噪

声数据干扰大的问题,在LSTM网络前加入平滑滤波层,降低数据波动对模型性能的影响。模型还引

入了自适应学习率变化策略，使选代后尽可能地逼近最优值，提升收敛精度。效用值预测分析结果表

明，相比传统LSTM网络，所提方法的MAE、MAPE分别下降了0.0567和0.017。

关键词：设备评估；深度学习；多属性决策；LSTM；数据挖掘

中图分类号：TP311；TN929.5文献标识码：A

D0I:10.13274/j.cnki.hdzj.2025.01.009

Deviceutilityvaluecorrelationdataanalysistechnologybasedondeeplearning

2

YANGJie,YILi,MAOYu,DENGChu-hang,ZHAOZhu-yu?

(1.SouthernPowerGridSupplyChain(Guizhou)Co.,Ltd.,Guiyang550002,China;2.GuizhouQian-

chiInformationCorp.,Ltd.,Guiyang550002,China)

Abstract:Inordertoimprovetheefficiencyofanalyzingtheutilityvalueofpowerequipment,thispaper

studiesthelongtimesequentialprocessingalgorithmunderthedeeplearningframework.Basedontheeval-

uationindexsystemofpowerequipment,byextractingkeyfeaturesandcombiningwiththeMultipleAttrib-

uteDecisionMaking(MADM)method,theutilityvaluesofpowerequipmentinoperationarecalculated

onebyone,andadatasetfordeeplearningalgorithmtrainingandtestingisestablished.Inresponsetothe

problemofhighnoisedatainterferenceinpowerequipmentdatasets,asmoothfilteringlayerisaddedin

frontoftheLSTMnetworktoreducetheimpactofdatafluctuationsonmodelperformance.Themodelalso

introducesanadaptivelearningratechangestrategytoapproachtheoptimalvalueasmuchaspossibleafter

iteration,improvingconvergenceaccuracy.Theutilityvaluepredictionanalysisresultsshowthatcompared

tothetraditionalLSTMnetwork,theproposedmethodhasdecreasedMAEandMAPEbyO.0567and

0.017,respe