云環(huán)境下融合Transformer的電力工程多任務(wù)數(shù)據(jù)識(shí)別方法

摘要：針對(duì)當(dāng)前電力工程中負(fù)荷數(shù)據(jù)與設(shè)備運(yùn)行參數(shù)存在高維、強(qiáng)時(shí)序性特征，傳統(tǒng)時(shí)序模型（如循環(huán)神經(jīng)網(wǎng)絡(luò) Recurrent Neural Network， RNN、長(zhǎng)短期記憶網(wǎng)絡(luò) Long Short-Term Memory， LSTM） 難以有效建模其全局依賴關(guān)系，導(dǎo)致在復(fù)雜工況下的識(shí)別精度與泛化能力受限。（剩余5814字）