基于深度学习LSTM的铁路供电设备状态异常报警的实现方法

摘要

本发明提供一种基于深度学习LSTM的铁路供电设备状态异常报警的实现方法，包括第一步，预设供电设备检测传感器，并建立时间序列，得到在时间序列下的各个时间步所对应的针对此供电设备的实验数据集；第二步，对实验数据进行去杂乱化，以得到有利于演化特征的训练数据；第三步，构建LSTM网络模型，并以训练数据作为训特征信息输入至LSTM网络模型同时进行训练，得到训练模型；第四步，对训练模型进行模型预测，衡量模型预测值偏差，并基于直方图对预测结果进行可视化。通过将长短时记忆网络采用深层网络架构，达到可从变压器的多种传感器信息中自动识别故障特征并预测故障的演化趋势，为实现变压器智能化运维提供技术保障。