深度学习检测不准确智能电表:一个案例研究
python源代码，代码按照高水平文章复现，保证正确
根据用电情况检测出故障的智能电表，并针对其进行更换，可以节省大量的资源。
为此，我们开发了一种基于长短期记忆(long -term memory, LSTM)和改进的卷积神经网络(convolutional neural network, CNN)的故障智能电表深度学习检测方法。
我们的方法使用LSTM根据从子表收集的数据来预测主表的读数。
如果预测值在一段时间内与主抄表数据存在显著差异，则启动诊断部分，基于CNN对每个子表进行分类，识别出故障子表。
我们提出了一种时间序列递归图(TS-RP) CNN，将连续的原始电力数据及其相空间递归图作为CNN的双重输入分支。
ID:34200637605345790
