基于深度学习和CoxPH模型的智能电表寿命预测方法

    公开(公告)号:CN112380759B

    公开(公告)日:2024-01-09

    申请号:CN201911185780.0

    申请日:2019-11-27

    Abstract: 本发明实施例提供一种基于深度学习和CoxPH模型的智能电表寿命预测方法,该方法包括:将待预测电表的异常数据输入电表寿命预测模型,输出与所述待预测电表的异常数据对应的电表生存曲线,所述电表生存曲线为所述待预测电表的生存概率与时间关系的曲线;其中,所述电表寿命预测模型是基于电表异常样本数据以及预先确定的电表寿命标签和删失标签进行训练后得到的,电表寿命预测模型训练时的损失函数由CoxPH模型中的对数部分风险函数参与构成;基于所述电表生存曲线和预设的生存概率阈值,预测所述待预测电表的寿命。本发明实施例提供的方法,避免了现有技术的智能电表寿命的预测模型过于静态,提高了智能电表寿命预测的可靠性。

    表计运行生命周期预测方法及装置

    公开(公告)号:CN112381258B

    公开(公告)日:2024-03-19

    申请号:CN201911177015.4

    申请日:2019-11-26

    Abstract: 本发明实施例提供一种表计运行生命周期预测方法及装置,该方法包括:获取待测电表的目标生存概率;根据所述目标生存概率,从预设的生存曲线中,得到所述待测电表的生命周期值;其中,所述生存曲线是根据电表异常数据确定协变量,并根据Cox回归模型拟合得到,所述生存曲线为所述待测电表的生存概率与时间关系的曲线,所述异常数据包括异常历史数据和故障诊断数据。该方法能够充分考虑多个协变量之间的变化,协变量包含了生存状态相关的特征,从而能够准确刻画出电表的生存概率与时间关系的预设生存曲线。基于预设的生存曲线,根据给定的目标生存概率可到生命周期值。基于该方法,能够提升电表管理智能水平和工作效率。

Patent Agency Ranking