BriefGPT - AI 论文速递
·
基于优化大语言模型的电力配电网绝缘子故障预测的时间序列预测
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本文提出了一种混合深度学习模型，旨在解决电力配电网绝缘子表面污染导致的漏电流增加问题。该模型结合多标准优化和大语言模型进行时间序列预测，优化效果优于现有模型，短期和中期预测的均方根误差分别为2.24×10^{-4}和1.21×10^{-3}，显示出良好的应用前景。
🎯
关键要点
- 提出了一种混合深度学习模型，解决电力配电网绝缘子表面污染导致的漏电流增加问题。
- 该模型结合多标准优化和大语言模型进行时间序列预测。
- 模型的优化效果优于现有模型。
- 短期预测的均方根误差为2.24×10^{-4}，中期预测的均方根误差为1.21×10^{-3}。
- 模型显示出良好的应用前景。
➡️
