BriefGPT - AI 论文速递
·
Time Series Forecasting for Fault Prediction of Distribution Power Grid Insulators Based on Optimized Large Language Models
💡
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，用于预测电力配电网绝缘子因表面污染导致的漏电流增加。该模型结合多标准优化和大语言模型，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
- 电力配电网绝缘子表面污染会导致漏电流增加，可能引发电力系统停机。
- 提出了一种混合深度学习模型用于预测漏电流的增长。
- 该模型结合了多标准优化和大语言模型，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，能够有效监测绝缘子污染情况。
➡️
