摘要
本发明公开了一种自愈合智能电力线路的故障自动检测与修复方法,包括采用K‑Means聚类算法对故障传感器数据进行聚类分析,确定故障频发区域,接着,针对局部修复区段内的线路设备参数和电气参数,采用异构数据融合的卷积神经网络模型对线路布局图像和参数数据进行特征提取和匹配分析,判断局部修复方案与原有线路规划的兼容性,在局部修复施工过程中采用最小二乘支持向量机模型对数据进行实时分析,对重构后的局部线路进行带电调试和综合评估,以判断重构效果是否满足自愈合智能电力线路的建设标准,采用知识图谱驱动的长短期记忆网络模型对设备健康状态和故障风险进行预测推理,自动生成状态维护和故障抢修策略,实现局部线路的自愈合运行。
技术关键词
支持向量机模型
Kruskal算法
修复方法
卷积神经网络模型
故障传感器
线路设备
知识图谱驱动
变电站三维场景模型
数据
分布式传感器
设备健康状态
视觉SLAM融合
ZigBee无线通信
Pearson相关系数
长短期记忆网络
图像特征向量
数字高程模型
Zigbee无线通信
参数
系统为您推荐了相关专利信息
汽轮机发电机组
时域特征
频域特征
故障诊断方法
振动位移传感器
标志
深度学习图像识别
在线查询服务
移动采集设备
高精度全球定位系统
卷积神经网络模型
注意力机制
医学图像分割方法
加权损失函数
医学图像数据
多模态情绪
情绪状态识别
语音采集设备
生理
情绪识别模型
旋转机械复合故障
卷积神经网络模型
旋转机械设备
生成方法
构建训练集