摘要
本发明提供一种基于云边协同的电力电缆智能故障诊断与定位方法、系统及电子设备,属于电力电缆故障诊断技术领域,获取电流信号,并进行降噪处理及模态分量分解;对电流信号进行筛选,筛选出与故障特征相关的有用分量,并对有用分量进行重构以保留故障特征信息;将重构后的电流信号输入到卷积神经网络,利用深度学习算法进行特征提取和分类,从而识别电缆故障类型;利用蝙蝠算法优化卷积神经网络的权重,并通过注意力机制增强特征提取过程中的故障信息;通过对故障信号的处理、主成分分析、时延估计以及直线定位原理来实现对电力电缆故障定位。在发生故障时,系统能够迅速响应并提供准确的故障诊断和定位结果,保障电力系统的安全运行。
技术关键词
智能故障诊断
蝙蝠算法优化
定位方法
电力电缆故障
信号
故障特征信息
定位原理
重构
注意力机制
电流
成分分析
深度学习算法
更新网络参数
滤波器系数
集合经验模态分解
构建卷积神经网络
发射率
系统为您推荐了相关专利信息
智能终端
特征点
生成运动轨迹
机器人运动轨迹
偏差
特征加权融合
注意力机制
多尺度特征提取
多任务联合学习
定位方法
信号识别模型
啸叫抑制方法
助听器
神经网络模型构建
啸叫抑制系统