基于深度学习的智能电表计量失准检测：案例研究
信号处理
2020-08-11 v3 人工智能
机器学习
机器学习
摘要
检测计量失准的智能电表并针对性更换可节省大量资源。为此，基于长短期记忆网络（LSTM）与改进的卷积神经网络（CNN）开发了一种新颖的深度学习方法，依据历史数据预测用电轨迹。由预测轨迹与观测轨迹之间的显著差异，定位无法准确计量电量的电表。在一个案例研究中，证明了该方法在实际使用中能以高精度检测失准电表，从而防止不必要的更换并延长智能电表的使用寿命。
引用
@article{arxiv.1907.11377,
title = {Deep Learning Detection of Inaccurate Smart Electricity Meters: A Case Study},
author = {Ming Liu and Dongpeng Liu and Guangyu Sun and Yi Zhao and Duolin Wang and Fangxing Liu and Xiang Fang and Qing He and Dong Xu},
journal= {arXiv preprint arXiv:1907.11377},
year = {2020}
}