Применение больших данных и глубокого обучения для прогнозирования отказов в электросетях (ENG)

Предоставляется подробный анализ архитектур моделей, включая LSTM , GRU , CNN и Transformer, со сравнениями, основанными на возможностях временного моделирования, вычислительной эффективности, устойчивости к шумам и применимости в реальном времени.

В исследовании далее рассматриваются сценарии внедрения, проблемы системной интеграции и соображения надежности. Обсуждаются прототипы и метрики оценки для поддержки практического внедрения.

Результаты подчеркивают важность разработки адаптивных, объяснимых и масштабируемых решений, которые соответствуют требованиям сложности и безопасности реальных сетевых сред.