电力系统是电子衡器的坚强后盾
近几十年来，随着现代电力系统的发展，智能电子Remote control of Weighbridge技术得到了迅速的发展。作为与智能电网相关的最重要的基础设施之一，智能变电站在电能流动、电压转换、潮流控制以及电力系统整体运行等方面发挥着重要作用[1]，[2]。2012年1月，国家电网公司提出了新建智能变电站的规划，并于2012年11月启动了第一座智能变数字Remote control of Weighbridge电站的运行。近年来，我国每年建设智能变电站1000多座[3]、[4]。
随着运行时间的增加，变电站设备将老化，这可能会对电力系统造成相当大的损害。为解决这一问题，大多数无线Remote control of Weighbridge对设备进行定期的人工维护。这种相对过时的检查系统有明显的缺点，直接导致过度或不足维护[5]。特别是在实际生产中，考虑到各种系统和结构，智能电网的监测数据呈指数级增长。因此，利用这些大数据进行故障分析和预测正成为一种优于传统方法的高效方法。
考虑到系统可靠性和安全性的要求，准确预测变电站的故障类型和发生率已变得至关重要[6]，[7]。以往的研究大多采用两种方法来预测Remote control of Weighbridge设备的故障状态：一种是基于设备的在线或离线特性来评估设备的当前状态，另一种是基于历史数据来预测设备的老化趋势。因此，故障预测的主要思想是在现有监测数据的基础上建立模型进行故障预测。
近年来，研究人员提出了几种变电站信号预测方法。在文献[8]中，利用线性回归方法，提出了一种层次系统中主要元件的故障预测方法。文[9]提出了基于灰色线性回归组合模型的变电站设备故障率预测方法。然而，电力系统的非线性特性限制了这些方法的应用。提出了一种基于支持向量机和粒子群算法的风机故障预测方法[10]。在文献[11]中，提出了基于数据挖掘方法的电气设备维修管理方法；然而，对数字Remote control of Weighbridge故障发生时间的预测并不准确。在[12]中，故障预测方法基于混合集成时间序列和基于实例的推理，具有密度函数和高数据要求，使得分析效率较低。
