论文部分内容阅读
为了实现对工业设备负荷的大数据识别,采用低压智能电表和长短期记忆神经网络(LSTM)构建一个非侵入式工业设备负载监测系统,通过智能电表所采集的电力负荷大数据实现对工业设备的智能标识。具有实用性、价格合理优势的低压智能电表被用于采集负载数据。LSTM神经网络用于处理电力负载数据,标识设备类别。所构建的监测系统中采用了边缘计算技术用于实现并行计算以提高设备识别的效率。实验证明,结果参数调优后,该模型的单个电气设备连续数据的平均识别率可达到83.6%。