摘要
本发明公开了基于多维时序特征的换流变阀侧套管在线绝缘监测方法,属于容性设备在线监测技术领域。本发明解决了现有技术监测方法灵敏度低、可靠性差的问题,本发明通过多个传感器获取目标对象套管在预设时间段内各维度的时序数据,通过对多维度时序数据进行预处理与清洗,能够确保多维度时序数据的完整性和一致性,而通过深度学习方法自动提取多维度时序数据中的特征,并且,深度学习方法采用模型对数据集中的训练集进行训练,从而对多维度时序数据进行预测,而预测结果会进行可视化展示,同时,采用神经网络模型对数据集进行异常数据检测,通过异常数据检测能够分析当前换流变阀侧套管的绝缘情况,以实现对换流变阀侧套管的在线绝缘监测工作。
技术关键词
阀侧套管
在线绝缘监测方法
异常数据检测
时序特征
深度学习方法
循环神经网络模型
长短期记忆网络
训练集
时间段
损耗
数据降噪技术
数据噪声
错误检测
介质
传感器
系统为您推荐了相关专利信息
VR设备
时序卷积神经网络
模拟系统
多维时序数据
空间坐标信息
地质灾害监测
多维特征向量
神经网络单元
灾害预测方法
序列
信源数估计方法
空间特征提取
时序特征
残差结构
信号
状态识别方法
连续传导模式
卷积神经网络提取
数据
时序特征