基于深度神经网络的市政电气故障识别方法研究

为优化市政电气故障识别效果,提高识别结果的准确性,利用深度神经网络开展了电气故障识别方法的研究。首先,利用电气参数采集设备,采集市政电气故障数据,并对其进行清洗与标准化处理;其次,构建深度神经网络模型,提取故障特征;在此基础上,将预处理后的实时数据输入到训练好的深度神经网络模型中,对电气故障进行全方位地识别。实验结果表明,提出方法应用后能够准确识别出不同的电气故障类型,并给出具体的故障参数,应用效果优势显著。