摘要
基于压缩感知与动态贝叶斯网络的电抗器局部放电故障诊断方法,涉及电力设备故障诊断技术领域,用于解决现有电抗器局部放电监测与故障诊断方法无法应对多源复杂局放信号和环境噪声的问题。本发明的故障诊断方法首先利用压缩感知技术实现局部放电信号特征的稀疏化,降低数据冗余,保留关键特征。随后基于多维局部放电图谱技术,生成并融合时域、频域、相位域和时频域图谱,构建多样化的局部放电特征表示。动态贝叶斯网络DBN用于实时故障诊断,通过差异进化自适应细菌觅食优化DEABFO算法进行优化,提升故障识别的精度和效率。本发明能够有效应对多源复杂局放信号和环境噪声,适用于复杂工况下的局放故障预测和诊断。
技术关键词
动态贝叶斯网络
细菌觅食优化算法
局部放电特征
时频分析技术
分类准确率
电力设备故障诊断技术
特高频传感器
匹配追踪算法
干式电抗器
局部放电信号特征
局部放电信号采集
故障诊断方法
频域特征
重构
超声传感器
模式识别
系统为您推荐了相关专利信息
特高频传感器
数字变频技术
局部放电特征
去噪方法
频带划分方法
动态知识图谱
修复方法
神经网络模型
性能指标数据
深度图
流量预测方法
识别异常数据
融合神经网络
策略
广告主
品质无损检测方法
无损检测系统
优化支持向量机
可溶性固形物
花青素含量
归一化植被指数
短波红外波段
影像
多源遥感卫星
时序分析方法