直播回顾,别再错过——基于AI平台解决电力行业偷漏电
- - 掘金 架构错过上次直播的小伙伴们可以通过本文更加详细的了解 AI 解决电力行业偷电漏电问题及解决方案,并且本文增加了实际项目中的数据及模型详解,一定能让你有所收获. 基于场景的整体建模流程如下:. 通过自动化机器学习(AutoML)完成电力异常场景的易用、高效建模流程,利用人工智能算法平台实现模型数据的预处理、模型训练.
错过上次直播的小伙伴们可以通过本文更加详细的了解 AI 解决电力行业偷电漏电问题及解决方案,并且本文增加了实际项目中的数据及模型详解,一定能让你有所收获。
基于场景的整体建模流程如下:
01 建模目标
通过自动化机器学习(AutoML)完成电力异常场景的易用、高效建模流程,利用人工智能算法平台实现模型数据的预处理、模型训练。
02 解决思路
通过下图的技术矩阵,可进一步明确建模技术:即通过结构化数据、有监督学习的方式和深度神经网络算法建立一个回归模型。
03 建模方法
04 数据获取
04 影响因子研究
根据实际业务判断,所有台区的影响因子包括:日电能量曲线、日功率曲线、日电流曲线、日电压曲线、台区变压器容量。
05 算法使用
深度学习是机器学习中一种基于对数据进行表征学习的方法。通过建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,实现基于机器学习的人工神经网络(ArtificialNeural Network)
神经网络类型众多,其中最为重要的是多层感知机深度学习结构:通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。
深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。
06 模型训练
训练次数:样本数量/训练包大小*训练周期
07 人工智能平台型架构