CN119535233A 一种基于多模态特征的蓄电池故障检测方法及系统 (国网江西省电力有限公司南昌供电分公司)_第1页
CN119535233A 一种基于多模态特征的蓄电池故障检测方法及系统 (国网江西省电力有限公司南昌供电分公司)_第2页
CN119535233A 一种基于多模态特征的蓄电池故障检测方法及系统 (国网江西省电力有限公司南昌供电分公司)_第3页
CN119535233A 一种基于多模态特征的蓄电池故障检测方法及系统 (国网江西省电力有限公司南昌供电分公司)_第4页
CN119535233A 一种基于多模态特征的蓄电池故障检测方法及系统 (国网江西省电力有限公司南昌供电分公司)_第5页
已阅读5页,还剩10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

一种基于多模态特征的蓄电池故障检测方本发明公开了一种基于多模态特征的变电障检测模型,导入预处理数据至特征提取模块2步骤S3:形式化异常状态评估任务并构建基于深度学步骤S4:采用分位数损失构建模型损失函数,分批次随机入智能评估模型,通过Adam优化算法以最小化损失函数为目标训练S3中所述智能评估模2.根据权利要求1所述一种基于多模态特征的变电站蓄电池组异常状态评估方法,其3.根据权利要求1所述一种基于多模态特征的变电站蓄电池组异常状态评估方法,其;4.根据权利要求1所述一种基于多模态特征的变电站蓄电池组异常状态评估方法,其特征在于,S3中所述局部特征提取模块为ResNeStblock和Featurerefinementblock的5.根据权利要求1所述的一种基于多模态特征的变电站蓄电池组异常状态评估方法,;3it=o(w·[hc-1,xe]+b;);;;or=o(w·[hr-1,xe]+b,);hr=o:xtanh(ci);6.根据权利要求1所述的一种基于多模态特征的变电站蓄电池组异常状态评估方法,;;;MultiHead(Q,k,v)=Concat(head,,head2,..…,headb)wo;;7.根据权利要求1所述的一种基于多模态特征的变电站蓄电池组异常状态评估方法,。8.根据权利要求1所述的一种基于多模态特征的变电站蓄电池组异常状态评估方法,4[0001]本发明属于蓄电池领域,具体涉及到一种基于多模态特征的蓄电池故障检测方[0002]直流操作电源系统是发电厂、变电站中不可[0003]专利公开号为CN107150602B的中国专利提供了一种BMS电池管理系统用于对电池[0007]步骤S3:形式化异常状态评估任务并构建基于深度学习网络结构的智能评估模5[0015]进一步的,S3中所述局部特征提取模块为ResNeStblock和Featurerefinement]+bf);]+bo);6yy[0036]图1为本发明的一种基于多模态特征的变电站蓄电池组异常状态识别方法的步骤[0038]参照图1,一种基于多模态特征的变电站蓄电池组异常状态评估方法,在一示例[0041]步骤S3:形式化异常状态评估任务并构建基于深度学习网络结构的智能评估模7]+bf);]+bo)

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