预览截图
应用介绍
获取原始零序电压波形数据，并计算滑动标准差值，得到滑动标准差序列。利用LSTM算法对滑动标准差序列进行计算，获取其中的短时期记忆指标。设立故障阈值指标和故障类别阈值指标。进行分割时，首先选取一段故障序列（以超出阈值指标的故障点为起点的序列），并选取一段补充序列，当补充序列内没有超过故障阈值指标的数据点，以最后一个故障点作为该故障终点；当补充序列内某个短时期记忆指标超过故障阈值指标且与故障序列及补充序列内的所有指标差值均不大于故障类别指标，则记为同一故障，合并为故障序列；当补充序列内两个相近的短时期记忆指标超过故障类别阈值指标，则认定发生了两种类型的故障，将前一个故障点作为前一个故障的终点，后一个故障点作为另一个故障的起点。
©版权声明：本文内容由互联网用户自发贡献，版权归原创作者所有，本站不拥有所有权，也不承担相关法律责任。如果您发现本站中有涉嫌抄袭的内容，欢迎发送邮件至： www_apollocode_net@163.com 进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
转载请注明出处： apollocode » 时间序列分割
文件列表(部分)
| 名称 | 大小 | 修改日期 |
|---|---|---|
| Complete_Code.py | 219.59 KB | 2021-12-22 |
| data_processing.py | 216.19 KB | 2021-12-16 |
| read_data.py | 42.13 KB | 2021-11-58 |
| 三相电压波形.jpg | 34.98 KB | 2021-12-28 |
| 三相电流波形.jpg | 16.78 KB | 2021-12-28 |
| 零序电压波形.jpg | 19.54 KB | 2021-12-28 |
发表评论 取消回复