-
公开(公告)号:CN118861755B
公开(公告)日:2025-05-06
申请号:CN202410847100.1
申请日:2024-06-27
Applicant: 国网四川省电力公司电力科学研究院
IPC: G06F18/24 , G06F18/214 , G06F18/21 , G06F18/2131 , G06N3/0464 , G06N3/08 , G01R31/12
Abstract: 本发明公开了基于人工智能可解释性方法的致火电弧故障实时检测方法,电弧故障识别技术领域,该方法包括:获取训练样本并对训练样本进行短时傅里叶变换;利用训练集得到训练集中各个数据对应的注意力权重;将训练集中注意力权重不小于预设值的各个数据确定为第一目标集,再次得到第一目标集经过数据剔除后的第二目标集;利用第二目标集对初始模型进行训练,将达到合格条件的初始模型确定为电弧检测模型;将实时电流数据输入至电弧检测模型中进行处理,得到实时电流数据对应的是否产生电弧的检测结果;解决了现有致火故障电弧均不具备可解释性,模型的优化仅能盲目尝试,对错误样本的分析能力完全丧失的问题,进一步提升精度。
-
公开(公告)号:CN118861755A
公开(公告)日:2024-10-29
申请号:CN202410847100.1
申请日:2024-06-27
Applicant: 国网四川省电力公司电力科学研究院
IPC: G06F18/24 , G06F18/214 , G06F18/21 , G06F18/2131 , G06N3/0464 , G06N3/08 , G01R31/12
Abstract: 本发明公开了基于人工智能可解释性方法的致火电弧故障实时检测方法,电弧故障识别技术领域,该方法包括:获取训练样本并对训练样本进行短时傅里叶变换;利用训练集得到训练集中各个数据对应的注意力权重;将训练集中注意力权重不小于预设值的各个数据确定为第一目标集,再次得到第一目标集经过数据剔除后的第二目标集;利用第二目标集对初始模型进行训练,将达到合格条件的初始模型确定为电弧检测模型;将实时电流数据输入至电弧检测模型中进行处理,得到实时电流数据对应的是否产生电弧的检测结果;解决了现有致火故障电弧均不具备可解释性,模型的优化仅能盲目尝试,对错误样本的分析能力完全丧失的问题,进一步提升精度。
-