CN119535101A 基于双通道波形辨识的电缆终端放电预警方法、设备及系统 (国网江苏省电力有限公司南京供电分公司)_第1页
CN119535101A 基于双通道波形辨识的电缆终端放电预警方法、设备及系统 (国网江苏省电力有限公司南京供电分公司)_第2页
CN119535101A 基于双通道波形辨识的电缆终端放电预警方法、设备及系统 (国网江苏省电力有限公司南京供电分公司)_第3页
CN119535101A 基于双通道波形辨识的电缆终端放电预警方法、设备及系统 (国网江苏省电力有限公司南京供电分公司)_第4页
CN119535101A 基于双通道波形辨识的电缆终端放电预警方法、设备及系统 (国网江苏省电力有限公司南京供电分公司)_第5页
已阅读5页,还剩22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

基于双通道波形辨识的电缆终端放电预警基于双通道波形辨识的网络算法电缆终端放电缆终端放电产生的周期性超声信号和超高频电与卷积块注意力模块级联而成的双通道高阶特2S2:构造ConvNeXt主干网络与卷积块注意力模自适应权重系数向量α和β的获取过程如下:首先对超声及超高频电磁场UHF信号的故障特征r;和ri进行全局池化,将故障特征压缩到深度这一维度,以获得故障全局特征然后将全局特征GI和GU合并,再经过全连接层和Sigmoid激,""rs.测量电缆终端放电产生的异常温升,配合S3步骤中输出的临近电缆终端缺陷状态评估结3③对每一帧信号波形执行快速傅里叶变换,并所述的ConvNeXt主干网络包括以下所述的卷积块注意力模块是一种用于增强卷积神经网络性能的注意①通道注意力模块:对输入时频图进行全局平均池化②空间注意力模块:在各个通道注意力模块的输出上48.一种计算机设备,包括存储器、处理器及于双通道同步波形辨识网络算法的电缆终端放电高频传感器集成于系统内部,超声传感器用于测量电缆终端放电产生的周期性超声信号,超高频传感器用于测量电缆终端放电产生的周期性UHF信号,无线测温传感器采用表带式所述的短距离通信模块,采用无线发射接收模块,实现无线测温传感器所述的数据分析模块,针对采集信号时频特性,对采集数据进行初步分10.根据权利要求9所述的基于双通道波形辨识的电缆终端放电预警系统,其特征在所述的超声传感器检测频带范围为20kHz~10所述的超高频传感器检测频带范围为300MHz~所述的无线测温传感器测温范围为_40℃~125℃;5[0010]S2:构造ConvNeXt主干网络与卷积块注意力模块级联而成的超声信号与UHF信号6F=a*F"+B*⃞(3),[0013]式中F是融合后的跨通道故障联合特征;α和β是自适应权重系数向量,由全局池[0014]自适应权重系数向量α和β的获取过程如下:首先对故障特征和进行全局池[0021]所述的基于双通道波形辨识的电缆终端放电预警方法,S1步骤中,所述傅里叶7行下采样,采用GELU激活函数,将224×224×3的特征图转化成形状为56×56×96的特征[0038]④瓶颈层。使用1*1卷积进行通道压缩,降低通道数和空间维度来有效减小计算道同步波形辨识网络算法的电缆终端放电预警方8[0058]本发明首先采集电缆终端放电产生的周期性超声信号以及UHF信号。这两种信号[0060]本发明构造了一个由ConvNeXt主干网络与卷积块注意力模块级联而成的双通道[0061]超声信号通道和UHF信号通道分别输入到对应的网络分支中,经过一系列卷积操[0062]本发明构造了一个自适应特征融合网络,用于将超声信号通道和UHF信号通道的9[0064]基于双通道波形辨识的电缆终端放电预警方法通过结合超声信号和UHF信号的双的精准预警和缺陷状态评估。这一技术方案为电力系统的安全运行提供了有力的技术保[0065]本发明通过采集电缆终端放电产生的超声信号与UHF信号,并利用ConvNeXt主干路电缆终端放电是超声及UHF信号均具有明显变化特性,其缺陷信息存在一定的相似性和互补性,本专利采用STFT变换变换将电缆终端放电期间产生的超声信号与UHF信号波形转[0105]双通道高阶特征提取网络基本架构如图6所示。ConvNeXt是一个基于卷积神经网行下采样,采用GELU激活函数,将224×224×3的特征图转化成形状为56×56×96的特征[0109]④瓶颈层。使用1*1卷积进行通道压缩,降低通道数和空间维度来有效减小计算[0117]式中F是融合后的跨通道故障联合特征;α和β是自适应权重系数向量,由全局池[0118]自适应权重系数向量α和β的获取过程如下:首先对故障特征和进行全局池

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。

评论

0/150

提交评论