[发明专利]一种基于行波的电力故障类型检测方法、装置、设备及存储介质在审
申请号: | 202210031603.2 | 申请日: | 2022-01-12 |
公开(公告)号: | CN114564559A | 公开(公告)日: | 2022-05-31 |
发明(设计)人: | 谢炜;崔福星;聂明军;王震;申嵩 | 申请(专利权)人: | 杭州柯林电气股份有限公司 |
主分类号: | G06F16/33 | 分类号: | G06F16/33;G06F16/35;G01R31/08 |
代理公司: | 广州市越秀区哲力专利商标事务所(普通合伙) 44288 | 代理人: | 曾令军 |
地址: | 310000 浙江省杭*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 行波 电力 故障 类型 检测 方法 装置 设备 存储 介质 | ||
1.一种基于行波的电力故障类型检测方法,其特征在于,包括:
获取行波采集装置采集的行波数据;
从所述行波数据中提取表征全局信息的全局特征;
从所述行波数据中截取多段预设长度的片段;
提取表征多段所述片段的相关性的关联特征;
融合所述全局特征和所述关联特征,得到融合特征;
将所述融合特征输入预先训练好的聚类编码本中进行检索,确定电力故障类型。
2.根据权利要求1所述的基于行波的电力故障类型检测方法,其特征在于,从所述行波数据中提取表征全局信息的全局特征,包括:
从所述行波数据中提取多种不同尺度的特征;
融合多种不同尺度的特征,得到全局特征。
3.根据权利要求1所述的基于行波的电力故障类型检测方法,其特征在于,提取表征多段所述片段的相关性的关联特征,包括:
将多段所述片段输入预置的Transformer模型的编码器中进行处理,得到特征矩阵;
对所述特征矩阵进行池化处理,得到池化矩阵;
将所述池化矩阵映射为表征多段所述片段的相关性的关联特征。
4.根据权利要求1-3任一所述的基于行波的电力故障类型检测方法,其特征在于,将所述融合特征输入预先训练好的聚类编码本中进行检索,确定电力故障类型,包括:
对所述融合特征进行主成分分析,找出用于表征所述融合特征的主成分的主成分特征;
对所述主成分特征进行白化处理,得到用于表征所述融合特征的有效信息的降维特征;
计算所述降维特征的每个主分量与聚类编码本中N个簇心的相似度,得到每个所述主分量对应的N个相似度值;
基于所述相似度值确定电力故障类型。
5.根据权利要求4所述的基于行波的电力故障类型检测方法,其特征在于,对所述融合特征进行主成分分析,找出用于表征所述融合特征的主成分的主成分特征,包括:
计算所述融合特征中所有元素的协方差矩阵;
对所述协方差矩阵进行奇异值分解,得到所述协方差矩阵的多个特征分量;
选择前k个特征分量作为主分量;
将所述融合特征中各元素的值投影至所述主分量,得到用于表征所述融合特征的主成分的主成分特征。
6.根据权利要求4所述的基于行波的电力故障类型检测方法,其特征在于,对所述主成分特征进行白化处理,得到用于表征所述融合特征的有效信息的降维特征,包括:
对所述主成分特征的k个主分量中每一主分量的数据进行标准差归一化处理,得到用于表征所述主成分特征的有效信息的降维特征。
7.根据权利要求4所述的基于行波的电力故障类型检测方法,其特征在于,基于所述相似度值确定电力故障类型,包括:
取每个所述主分量对应的N个相似度值中的最大值,得到k个所述主分量对应的k个最大相似度值;
取k个最大相似度值中的最大值作为目标相似度值;
将所述目标相似度值对应的聚类编码本中的簇心对应的故障类型作为电力故障类型。
8.一种基于行波的电力故障类型检测装置,其特征在于,包括:
行波数据获取模块,用于获取行波采集装置采集的行波数据;
全局特征提取模块,用于从所述行波数据中提取表征全局信息的全局特征;
片段截取模块,用于从所述行波数据中截取多段预设长度的片段;
关联特征提取模块,用于提取表征多段所述片段的相关性的关联特征;
特征融合模块,用于融合所述全局特征和所述关联特征,得到融合特征;
故障类型确定模块,用于将所述融合特征输入预先训练好的聚类编码本中进行检索,确定电力故障类型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州柯林电气股份有限公司,未经杭州柯林电气股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210031603.2/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种适用于医院新生儿洗澡装置
- 下一篇:一种具备防爆功能的燃气探测器