基于广义S变换的数据增强局部放电检测的方法

    公开(公告)号:CN117851864A

    公开(公告)日:2024-04-09

    申请号:CN202410024090.1

    申请日:2024-01-08

    Abstract: 本发明涉及一种基于广义S变换的数据增强局部放电检测的方法,属于局部放电检测领域。该方法包括对采样信号进行初始化参数的广义S变换,得到局部放电信号的时频分布灰度图;然后将得到的时频分布灰度图输入轻量型神经网络,计算每训练一轮后的模型平均损失值和准确率;构造平均损失值最小和平均准确率最大的多目标非线性优化问题;将求解优化问题的最优解用于更新广义S变换的参数,用于下一轮次的模型训练;将完成训练后的轻量模型部署到微型MUC硬件,用于电气设备局部放电的在线辨识;与传统的基于广义S变换的局部放电检测相比,该方法的模型体量小、识别准确率高,可将模型部署到微型MCU芯片,实现局部放电的在线快速辨识。

    基于广义S变换的数据增强局部放电检测的方法

    公开(公告)号:CN117851864B

    公开(公告)日:2024-07-16

    申请号:CN202410024090.1

    申请日:2024-01-08

    Abstract: 本发明涉及一种基于广义S变换的数据增强局部放电检测的方法,属于局部放电检测领域。该方法包括对采样信号进行初始化参数的广义S变换,得到局部放电信号的时频分布灰度图;然后将得到的时频分布灰度图输入轻量型神经网络,计算每训练一轮后的模型平均损失值和准确率;构造平均损失值最小和平均准确率最大的多目标非线性优化问题;将求解优化问题的最优解用于更新广义S变换的参数,用于下一轮次的模型训练;将完成训练后的轻量模型部署到微型MUC硬件,用于电气设备局部放电的在线辨识;与传统的基于广义S变换的局部放电检测相比,该方法的模型体量小、识别准确率高,可将模型部署到微型MCU芯片,实现局部放电的在线快速辨识。

Patent Agency Ranking