ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
【摘要】针对电网故障预测问题,提出了一种基于长短期记忆(LSTM)网络的改进模型。 该模型利用深度学习技术中的 LSTM 对电网历史数据进行建模,能够有效捕捉电网故障的时序特征,从而提高故障预测的准确性和可靠性。 实验结果表明:LSTM 模型在准确率、精确度、召回率、F1 值和均方误差等多个评估指标上均优于支持向量机(SVM)、随机森林(RF)和多层感知机(MLP)等传统算法。 与传统方法相比,LSTM 模型在处理复杂时序数据方面表现出了显著优势,能够为电网故障预测与诊断提供更加精确的支持。