[发明专利]基于深度学习的高压并联电抗器振动异常故障诊断方法在审
| 申请号： | 202211421751.1 | 申请日： | 2022-11-14 |
| 公开（公告）号： | CN115828088A | 公开（公告）日： | 2023-03-21 |
| 发明（设计）人： | 赵常威;钱宇骋;朱太云;杨为;柯艳国;黄伟民;毛磊;刘忠勇 | 申请（专利权）人： | 国网安徽省电力有限公司电力科学研究院 |
| 主分类号： | G06F18/2131 | 分类号： | G06F18/2131;G01R31/00;G06F18/2415;G06F18/25;G06N3/0464;G06N3/048;G06N3/047;G06N3/08 |
| 代理公司： | 无锡风创知识产权代理事务所(特殊普通合伙) 32461 | 代理人： | 李国伟 |
| 地址： | 230000 安徽省*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及电力系统故障诊断技术领域，具体为基于深度学习的高压并联电抗器振动异常故障诊断方法，包括以下步骤：电抗器振动信号采集；数据预处理，将时序振动信号转化为图像信号；建立数据集；进行Incep‑DenseNet网络故障诊断训练与测试；有益效果为：本发明提出的基于深度学习的高压并联电抗器振动异常故障诊断方法通过多尺度特征提取和多层次特征融合的优势，能够挖掘隐藏在电抗器振动信号中的深度抽象数据特征，准确地建立故障数据特征与故障类型间的映射关系，实现高精度地高压电抗器振动异常故障高精度诊断。当面对海量数据时，基于Incep‑DenseNet深度学习网络的方法能够快速从复杂数据中提取鲁棒性好及故障敏感度高的特征，保证故障诊断的实时性和可靠性。 | ||
| 搜索关键词： | 基于 深度 学习 高压 并联 电抗 振动 异常 故障诊断 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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国网安徽省电力有限公司电力科学研究院，未经国网安徽省电力有限公司电力科学研究院许可，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/patent/202211421751.1/，转载请声明来源钻瓜专利网。
