基于信息熵和深度学习的开关柜故障模式智能匹配方法

    公开(公告)号:CN117472630A

    公开(公告)日:2024-01-30

    申请号:CN202311467678.6

    申请日:2023-11-02

    Abstract: 本发明为基于信息熵和深度学习的高压开关柜故障模式智能匹配方法,需要建立高压开关柜故障模式数据库,通过信息熵与深度学习算法等方法对现实中所遇到的实际问题在数据库中进行智能匹配,找寻属于什么类型的故障,并根据每次匹配的结果丰富完善数据库。具体步骤如下,首先收集故障信息相关信息,建立起初始故障问题数据库,然后收集高压开关柜的故障信息,根据采集到的故障信息,进行分析和计算,利用信息熵的概念,筛选出具有较高信息量的特征,其次构建深度学习模型,使模型能够自动学习和提取关键特征,实现准确的故障模式分类和匹配,并给出相应解决办法,最后更新数据库。本发明旨在减少错误诊断的可能性,提高故障诊断准确性和效率。

    多源传感器辅助的高压开关柜应急处置装置故障辨识方法

    公开(公告)号:CN117454151A

    公开(公告)日:2024-01-26

    申请号:CN202311456622.0

    申请日:2023-11-02

    Abstract: 本发明公开了一种多源传感器辅助的高压开关柜应急处置装置故障辨识方法,包括:在高压开关柜周围的多个空间域设置多组传感器,采集高压开关柜及其周围环境的数据并记录,对历史数据进行整合并提取故障辨识相关的特征;对特征进行筛选,优化故障特征集,过滤得到与本次实时采集中对应故障相关度较高的特征并将筛选后的特征作为筛选后的故障特征集的输入;对筛选后的故障特征集进行信息融合;将信息融合后的故障特征集中的特征与预设的故障模式进行比对匹配生成比对结果,根据比对结果生成故障辨识的输出决策。本发明通过设置多个不同的传感器,从多个空间抽取若干特征进行融合,进而实现高压开关柜应急处理装置的故障辨识及输出决策。

Patent Agency Ranking