CN119415899A 一种用于电气设备的故障智能检测方法 （勃源电气科技(西安)有限公司）

据同步趋势契合相关系数获取趋势契合间接关权重修正指数采用局部加权回归算法获取三维明通过综合权重修正指数获取设备监测数据的2根据三维成像设备故障监测矩阵中每行数据的变化趋势特征获取所述每行数据的划根据三维成像设备故障监测矩阵不同行数据之间的同步趋势契合相关系数构建三维向图获取三维成像设备故障监测矩阵中非电参数数据与电参数数据之间的趋势契合综合综合关联系数获取三维成像设备故障检测矩阵中电参数数据序列中每个元素的综合权重根据三维成像设备故障监测矩阵中每个元素的综合权重修正指数获取三维成像设备故障监测矩阵中每行数据的拟合曲线，基于所述拟合曲线利用CNN神经网络模型获取三维据三维成像设备故障监测矩阵中每行数据的变化趋势特征获取所述每行数据的划分结果对于三维成像设备故障监测矩阵中的每行数据，将所述每行数据组成极大分割点到极小分割点之间在监测数据序列对应数据组成的序列作为监测数据序列的列作为监测数据序列的增长趋势序列。据三维成像设备故障监测矩阵中每行数据的划分结果获取三维成像设备故障监测矩阵不对于三维成像设备故障监测矩阵中的每行数据，将所述每行数据组成贝叶斯拟合曲线获取所述监测数据序列中每根据三维成像设备故障监测矩阵中不同监测数据序列之间增长趋势序列的差异获取根据三维成像设备故障监测矩阵中不同监测数据序列之间降低趋势序列的差异获取将所述不同监测数据序列之间的同步升高契合因子和同步降低契合因子的和作为第与第二相关系数的乘积作为所述不同监测数据序列之间的同步3据三维成像设备故障监测矩阵中不同监测数据序列之间增长趋势序列的差异获取所述不和分别表示第x个和第y个监测数据序列中第a个增长趋势序列中第i个数据对应的采集时刻；和分别表示第x个和第y个监测数据序列中第a个增长趋势序列中第i个增长趋势序列的数量与第个监测数据序列中增长趋势序列的数量中的最小值；表示调据三维成像设备故障监测矩阵中不同监测数据序列之间降低趋势序列的差异获取所述不和分别表示第x个和第y个监测数据序列中第b个降低趋势序列中第j个数据对应中降低趋势序列的数量与第个监测数据序列中降低趋势序列的数量中的最小值；表示据三维成像设备故障监测矩阵不同行数据之间的同步趋势契合相关系数构建三维成像设对于三维成像设备故障监测矩阵中的每行数据，将所述每行数据组成将每个监测数据序列作为无向图中的一个节点，将两个监测数据据三维成像设备故障监测矩阵的趋势关联无向图获取三维成像设备故障监测矩阵中非电4参数数据与电参数数据之间的趋势契合综合关联将三维成像设备故障监测矩阵中非电参数数据对应的每行数据作为三维成像设备故每行数据作为三维成像设备故障监测矩阵的一个电参数数据序根据三维成像设备故障监测矩阵的趋势关联无向图中非电参数数据序列与电参数数将三维成像设备故障监测矩阵中每个非电参数数据序列与每个电参数数据序列之间参数数据序列与每个电参数数据序列之间趋势契合据三维成像设备故障监测矩阵的趋势关联无向图中非电参数数据序列与电参数数据序列之间的对应关系计算趋势契合间接关联系数式中，表示第z个非电参数数据序列与第c个电参数数据序列之间的趋势契合间接之间第m个路径中第q个与第q-1个节点对应的监测数据序列之间的同步趋势契合相关第m个路径中第q个与第q-1个节点之间的边真实权重；q表示趋势关联无向图中第z个非电参数数据序列与第c个电参数数据序列之间第m个路径中第q个节点对应的序号；Qm表示趋势关联无向图中第z个非电参数数据序列与第c个电参数数据序列之间第m个路径中节点的数量；M表示趋势关联无向图中第Z个非电参数数据序列与第C个电参数数据序据三维成像设备故障监测矩阵中非电参数数据与电参数数据之间的趋势契合综合关联系数获取三维成像设备故障检测矩阵中电参数数据序列中每个元素的综合权重修正指数的对于三维成像设备故障监测矩阵中的每个电参数数据序列，将所述每列与其它每个非电参数数据序列之间的趋势契合综合关联系数作为所述每个非电参数数数据序列的非电参数融合序列利用ARIMAX模型获取所述每个电参数数据序列中每个元素根据所述电参数数据序列中每个电参数数据序列中每个元素对应的真实值和预测值根据所述电参数数据序列中每个电参数数据序列中每个元素对应的真实值和预测值获取5电参数数据序列中第k个元素对应的真实值和预测值之间的差值；L以x表示第h个电参数6根据三维成像设备故障监测矩阵中每行数据的变化趋势特征获取所述每行数据根据三维成像设备故障监测矩阵不同行数据之间的同步趋势契合相关系数构建联无向图获取三维成像设备故障监测矩阵中非电参数数据与电参数数据之间的趋势契合契合综合关联系数获取三维成像设备故障检测矩阵中电参数数据序列中每个元素的综合根据三维成像设备故障监测矩阵中每个元素的综合权重修正指数获取三维成像设备故障监测矩阵中每行数据的拟合曲线，基于所述拟合曲线利用CNN神经网络模型获取7邻的极大分割点到极小分割点之间在监测数据序列对应数据组成的序列作为监测数据序的序列作为监测数据序列的增长趋势序列。像设备故障监测矩阵不同行数据之间的同步趋势契所述贝叶斯拟合曲线获取所述监测数据序列中每个元素根据三维成像设备故障监测矩阵中不同监测数据序列之间增长趋势序列的差异根据三维成像设备故障监测矩阵中不同监测数据序列之间降低趋势序列的差异将所述不同监测数据序列之间的同步升高契合因子和同步降低契合因子的和作系数与第二相关系数的乘积作为所述不同监测数据序列的差异获取所述不同监测数据序列之间的同步升高契合式中，FHXY表示第x个监测数据序列和第y个监测数据序列之间的同步升高契合因子；和分别表示第x个和第y个监测数据序列中第a个增长趋势序列中第i个数据y个监测数据序列中第a个增长趋势序列中数据的数量中的最小值；A表示第x个监测数据序列中增长趋势序列的数量与第个监测数据序列中增长趋势序列的数量中的最小值；序列的差异获取所述不同监测数据序列之间的同步降低契合8式中，Flxy表示第x个监测数据序列和第y个监测数据序列之间的同步降低契合第j个数据对应斜率；Jb表示第x个监测数据序列中第b个降低趋势序列中数据的数量与第y个监测数据序列中第b个降低趋势序列中数据的数量中的最小值；B表示第x个监测数据序列中降低趋势序列的数量与第个监测数据序列中降低趋势序列的数量中的最小值；关系数构建三维成像设备故障监测矩阵的趋势关联无向图测数据序列的初始权重以及构建的无向图作为三维成像设备故障监测矩阵的趋势关联无备故障监测矩阵中非电参数数据与电参数数据之间的趋势契合将三维成像设备故障监测矩阵中非电参数数据对应的每行数据作为三维成像设应的每行数据作为三维成像设备故障监测矩阵的一个电参数数据序列；根据三维成像设备故障监测矩阵的趋势关联无向图中非电参数数据序列与电参将三维成像设备故障监测矩阵中每个非电参数数据序列与每个电参数数据序列非电参数数据序列与每个电参数数据序列之间趋势契合序列与电参数数据序列之间的对应关系计算趋势契合间接序列之间第m个路径中第q个与第q-1个节点对应的监测数据序列之间的同步趋势契合之间第m个路径中第q个与第q-1个节点之间的边真实权重；q表示趋势关联无向图中第Z个非电参数数据序列与第c个电参数数据序列之间第m个路径中第q个节点对应的序号；9Qm表示趋势关联无向图中第z个非电参数数据序列与第c个电参数数据序列之间第m个路径中节点的数量；M表示趋势关联无向图中第Z个非电参数数据序列与第C个电参数数的趋势契合综合关联系数获取三维成像设备故障检测矩阵中电参数数据序列中每个元素据序列与其它每个非电参数数据序列之间的趋势契合综合关联系数作为所述每个非电参数数据序列的融合权重，将所有所述非电参数数据序列根据对应的融合权重进行加权融电参数数据序列的非电参数融合序列利用ARIMAX模型获取所述每个电参数数据序列中每根据所述电参数数据序列中每个电参数数据序列中每个元素对应的真实值和预真实值和预测值获取所述每个元素的综合权重修正指第h个电参数数据序列中第k个元素对应的真实值和预测值之间的差值；L以x表示第h个参数数据序列中第k个元素对应的局部加权回归算法中的原始权值；exp()是自然指数函势关联无向图获取三维成像设备故障监测矩阵中非电参数数据序列与电参数数据序列之[0016]图1为本发明一个实施例所提供的一种用于电气设备的故障智能检测方法的流程[0018]请参阅图1，其示出了本发明一个实施例提供的一种用于电气设备的故障智能检数据序列组成的矩阵记为三维成像设备故障监测矩阵A=[L',L2,C1,C2,C,C4,C5,C6]"，三维精确成像设备的电参数数据曲线利用卷积神经网络模型建立高精度的设备故障检测[0026]进一步的，根据三维成像设备故障监测矩阵中每行数据变化特征对数据进行划点之间的数据组成的序列作为的增长趋势序列。式中，FHXY表示第x个监测数据序列和第y个监测数据序列之间的同步升高契合因子；和分别表示第x个和第y个监测数据序列中第a个增长趋势序列中第i个数据y个监测数据序列中第a个增长趋势序列中数据的数量中的最小值；A表示第x个监测数据序列中增长趋势序列的数量与第个监测数据序列中增长趋势序列的数量中的最小值；三维成像设备故障监测矩阵中第x个监测数据序列和第y个监测数据序列之间的增长趋势式中，Flxy表示第x个监测数据序列和第y个监测数据序列之间的同步降低契合第j个数据对应斜率；Jb表示第x个监测数据序列中第b个降低趋势序列中数据的数量与第y个监测数据序列中第b个降低趋势序列中数据的数量中的最小值；B表示第x个监测数据序列中降低趋势序列的数量与第个监测数据序列中降低趋势序列的数量中的最小值；三维成像设备故障监测矩阵中第x个监测数据序列和第y个监测数据序列之间的降低趋势趋势与降低变化趋势特征的分析结果计算不同监测数据序列之间的同步趋势契合相关系关系数与第二相关系数的乘积作为所述不同监测数据序列之间的同步趋势契合相关系数；[0036]根据三维成像设备故障监测矩阵中不同监测数据序列之间的同步趋势契合相关的趋势关联无向图反映三维成像设备故障监测矩阵中不同监测数据序列之间间接对应关之间的同步趋势契合相关系数按照由小到大的顺序排序组成的序列作为所述每个监测数构建的二叉树作为所述每个监测数据序列的序列之间第m个路径中第q个与第q-1个节点对应的监测数据序列之间的同步趋势契合之间第m个路径中第q个与第q-1个节点之间的边真实权重；q表示趋势关联无向图中第Z个非电参数数据序列与第c个电参数数据序列之间第m个路径中第q个节点对应的序号；Qm表示趋势关联无向图中第z个非电参数数据序列与第c个电参数数据序列之间第m个路径中节点的数量；M表示趋势关联无向图中第Z个非电参数数据序列与第C个电参数数[0039]若第z个非电参数数据序列与第c个电参数数据序列之间关联性较高，则计算得数据序列之间的同步趋势契合相关系数和趋势契合间接关联系数的和作为第一特征系数，个电参数数据序列与其它每个非电参数数据序列之间的趋势契合综合关联系数作为所述所述每个电参数数据序列的非电参数融合序列利用ARIMAX模型获取所述每个电参数数据成像设备故障监测矩阵中非参数数据序列c1、c2、c3、C4、c5、c6之间的趋势契合综合c1、c2、c3、c4、c5、c6与其对应的融合权重进行加权融合，将加权融合的计算结果作