基于神经网络的高压开关柜故障模式分类及预测方法

    公开(公告)号:CN117407770A

    公开(公告)日:2024-01-16

    申请号:CN202311462468.8

    申请日:2023-11-02

    摘要: 本发明公开了基于神经网络的高压开关柜故障模式分类及预测方法,包括:通过多组传感器采集高压开关柜的运行数据以及运行时的声音和图像数据;将各运行数据、声音和图像数据均作为时序数据并输入到时序数据集,将各运行数据、声音和图像数据按一定方式整合或融合形成多模态数据并输入到多模态数据集,对多模态数据与时序数据均进行预处理;进行特征学习,引入注意力机制并采用LSTM对多模态数据与时序数据进行序列建模;构建注意力机制与长短期记忆神经网络的混合模型,对混合模型进行训练与优化;根据训练好的混合模型对故障模式分类与预测。本发明结合注意力机制和LSTM,并融合多模态数据,能保证高压开关柜设备的安全运行和提供有效故障维护。

    基于多源传感器协同的高压开关柜应急处置方法

    公开(公告)号:CN117614111A

    公开(公告)日:2024-02-27

    申请号:CN202311462448.0

    申请日:2023-11-02

    摘要: 本发明公开了一种基于多源传感器协同的高压开关柜应急处置方法,其中,将超声波传感器、暂态地电压传感器、无线温度传感器以及湿度传感器安置于开关柜的箱壁外侧;具体地,超声波传感器获取由于开关柜内部局部放电所产生的超声波频率信号、由暂态地电压传感器获取开关柜的暂态地电压信号、由无线温度传感器获取开关柜内部以及周围的温度信息、由湿度传感器获取开关柜以及周围空气中的湿度或雨水信息;再经过分解计算,获取特征参数,通过智能后台的故障风险预测算法判断开关柜的风险状态,当出现安全隐患时及时发出警报,以提高开关柜风险状态评估的准确性与可靠性。

    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

    摘要: 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。