CN119442096A 一种融合光学与电学特征的局部放电缺陷类别智能识别方法 （国网山东省电力公司烟台供电公司）_第1页
CN119442096A 一种融合光学与电学特征的局部放电缺陷类别智能识别方法 （国网山东省电力公司烟台供电公司）_第2页
CN119442096A 一种融合光学与电学特征的局部放电缺陷类别智能识别方法 （国网山东省电力公司烟台供电公司）_第3页
CN119442096A 一种融合光学与电学特征的局部放电缺陷类别智能识别方法 （国网山东省电力公司烟台供电公司）_第4页
CN119442096A 一种融合光学与电学特征的局部放电缺陷类别智能识别方法 （国网山东省电力公司烟台供电公司）_第5页
已阅读5页，还剩15页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种融合光学与电学特征的局部放电缺陷一种融合光学与电学特征的GIS局部放电缺光学信号进行去噪，小波去噪法处理电磁波信号；使用多模态深度神经网络融合去噪后的信器优化模型，通过验证集调整超参数和网络结陷类别分类模型。本发明实现了对GIS局部放电2将提取的空间特征和时频特征进行拼接，并通过主成分分析法进行2.根据权利要求1所述的融合光学与电学特征的GIS局部放电缺陷类别智能识别方法，3.根据权利要求1所述的融合光学与电学特征的GIS局部放电缺陷类别智能识别方法，4.根据权利要求1所述的融合光学与电学特征的GIS局部放电缺陷类别智能识别方法，5.根据权利要求1所述的融合光学与电学特征的GIS局部放电缺陷类别智能识别方法，6.根据权利要求1所述的融合光学与电学特征的GIS局部放电缺陷类别智能识别方法，37.根据权利要求6所述的融合光学与电学特征的GIS局部放电缺陷类别智能识别方法，8.根据权利要求6所述的融合光学与电学特征的GIS局部放电缺陷类别智能识别方法，4[0001]本发明属于气体绝缘开关设备GIS(GasInsulatedSwitchgear)局部放电缺陷类发明结合了光学光谱以及电学超高频中的信号特征，能够更全面地捕捉GIS局部放电时的5(CNN)提取空间特征；所述电磁波信号通过一维卷积或短时傅里叶变换(STF[0025]1)本发明通过融合光学信号与电磁波信号(特高频UHF信号)的多维度特征，能够6[0030]图1是本发明实施例融合光学与电学特征的局部放电缺陷类别智能识别方法的流[0031]图2是本发明中利用深度学习算法对融合后的特征向量进行训练，以构建缺陷类7[0044]对于特高频特征的提取，采用具有低频抑制功能的内置式UHF传感器检测局部放次数，形成放电特征的P-Q-N矩阵。根据P-Q-N矩阵，可以得到各种缺陷模型放电的三维[0047]UHF信号的频率分布可以通过傅里叶变换从时域信号转换到频域表示。设时域信8小波变换将信号分解为不同频率成分，然后通过阈值化处理去除低于某个阈值的噪声成[0070]步骤3使用基于多模态深度神经网络的融合方法来实现光学特征与特高频特征融[0072]为了解决光学特征与特高频(UHF)特征融合的场景问题，提出使用一种基于多模9[0082]步骤4.利用深度学习算法对特征融合后的数据进行训练，构建缺陷类别分类模

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论