一种基于深度神经网络的电力设备温度预测方法

摘要

本发明公开了一种基于深度神经网络的电力设备温度预测方法。该方法为：首先采集现场参数的样本数据和时间段t后对应的实际设备温度数据，传输到后台监控系统，对数据进行预处理，通过深度神经网络训练温度预测模型；然后定时采集现场参数数据，对时间段t后的设备温度进行预测，对将要出现高温的设备进行不同等级的预警；最后在常规巡检时，电力巡检机器人采集现场实际设备温度数据，将该设备温度数据与预测的设备温度数据进行对比，检测温度预测模型是否能适应最新设备状态。本发明有效预防了设备高温情况，为变电站故障抢修工作预留应急时间，提高了变电站工作的安全性。