基于时频域分析的LSTM电力系统报警方法研究.pdfVIP

信息与电脑

人工智能与识别技术InformationComputer2024年第4期

基于时频域分析的LSTM电力系统报警方法研究

李慕轩

300140)

（国网天津市电力公司信息通信公司，天津

摘要：为克服传统语音分析方法的局限性，文章采用基于时频域分析的长短时记忆网络模型，提出基于时频

域分析的长短时记忆（LongShort-TermMemory，LSTM）电力系统报警方法。同时，在UrbanSound8K数据集上开

展实验验证该方法的有效性。结果表明，该方法的准确性、精确度、召回率和F1分数等较高，表现出在正常和异

常声音分类任务上的平衡性和稳定性。

关键词：电力系统；时频域分析；长短期记忆网络；报警方法

中图分类号：TP183；TN912.34

文献标识码：A文章编号：1003-9767（2024）04-138-003

ResearchonLSTMElectricPowerSystemAlarmMethodBasedonTime-

frequencyDomainAnalysis

LIMuxuan

(StateGridTianjinInformationTelecommunicationCompany,Tianjin,300140,China)

Abstract:Inordertoovercomethelimitationsoftraditionalspeechanalysismethods,theLSTMelectricpowersystem

alarmmethodbasedontime-frequencydomainanalysisisproposedbyusingtime-frequencydomainmemorynetworkmodel.

Atthesametime,experimentsarecarriedoutonUrbanSound8Kdatasettoverifytheeffectivenessoftheproposedmethod.The

resultsshowthatthemethodhashighaccuracy,precision,recallrateandF1score,whichshowsthebalanceandstabilityof

normalandabnormalsoundclassificationtasks.

Keywords:electricpowersystem;time-frequencydomainanalysis;longshort-termmemorynetwork;alarmmethod

0引言为可靠的技术支持。另外，采用UrbanSound8K数据集

在电气化与信息化时代，电力系统作为关键基础设开展实验，验证了所提方法的有效性。这一研究将为相

施之一，其稳定运行对社会的正常运转至关重要[-21。关领域的学者和从业人员提供有价值的参考，为未来电

而异常状态的准确预警是确保电力系统安全、稳定运行力系统报警技术的发展提供理论支撑。

的重要保障。随着人工智能技术的不断发展，语音识别1基于时频域分析的LSTM电力系统报警方法

作为一种高效的信息交互方式，逐渐在电力系统报警方如图1所示，基于时频域分析的LSTM电力系统报

面发挥作用[3-4]。警方法涉及声音采集、预处理模块、LSTM声音分析、

为克服传统语音分析方法的局限性，文章采用基异常检测、响应系统等步骤。首先