文献类型：期刊文章

作　　者：王峰[1] 李兴华[1] 李晓龙[1] 刘瑞增[2] 庄浩涛[3] 赵永利[3]

WANG Feng;LI Xinghua;LI Xiaolong;LIU Ruizeng;ZHUANG Haotao;ZHAO Yongli(Electric Power Research Institute,State Grid Ningxia Electric Power Co.,Ltd.,Yinchuan 750001,China;Shizuishan Power Supply Company,State Grid Ningxia Electric Power Co.,Ltd.,Shizuishan Ningxia 753099,China;Beijing University of Posts and Telecommunications,Beijing 100876,China)

机构地区：[1]国网宁夏电力有限公司电力科学研究院,银川750001 [2]国网宁夏电力公司石嘴山供电公司,宁夏石嘴山753099 [3]北京邮电大学,北京100876

出　　处：《光通信技术》

基　　金：2020年度第二批宁夏自然科学基金项目(2020AAC03487)资助;国网宁夏电力有限公司2020年研究开发项目计划(第一批)(5229DK19004W)资助。

年　　份：2021

卷　　号：45

期　　号：9

起止页码：31-35

语　　种：中文

收录情况：JST、普通刊

摘　　要：针对光通信网设备风险预警无法进行人工分析的问题,提出基于用户画像技术与深度学习算法的设备故障预测算法。基于数据采集与数据增强构建设备健康画像,从含有脏数据且格式不统一的原始数据中抽取与设备故障相关联的标签序列,将序列数据“喂”入深度学习模型,获得高准确度的故障预测结果。仿真结果表明:该算法能够基于设备原始数据构建设备健康画像并实时训练深度学习模型,获得接近100%的设备故障预测准确率;与全标签序列的算法和未进行数据增强的算法相比,所提算法将故障预测准确率分别提升了7.8%和3.3%。

关 键 词：故障预测 健康画像  光通信设备 深度学习  

分 类 号：TP181] TN830]