摘要
本发明涉及电力设备局部放电检测技术领域,本发明公开了基于KNN算法的光声特征联合的微粒识别方法及系统,通过实验获得了交流电压下不同形状微粒引起的光、声信号,并基于微粒运动和放电理论对微粒运动放电进行了数学建模;然后,掌握了微粒引发光学和超声信号的时序分布特征,构建了基于KNN模型的微粒类型识别算法,实现了微粒形状识别以及混合微粒成分识别。综上所述,本方法结合光学检测法和超声法形成光声联合检测,挖掘联合特征信息并建立微粒放电联合检测方法,对于微粒放电光测法以及多参量联合检测的应用具有重要意义,并且对于维护电力设备乃至电力系统安全稳定运行具有突出的价值。
技术关键词
KNN算法
微粒
识别方法
局部放电信号特征
分布特征
电力设备局部放电检测技术
时序特征
信号采集模块
超声传感器
脉冲
样本
光学传感器
特征提取模块
电力系统安全稳定
联合检测方法
识别模块
光电倍增管
特征值
超声信号
系统为您推荐了相关专利信息
智能识别方法
多模态
公路现场
大语言模型
交通安全预警系统
拓扑识别方法
线路
数学模型
节点
低压配电网台区
区域识别方法
相机模型
图像上下文信息
坐标系
区域识别装置
地基激光雷达
点云
地面三维激光扫描仪
切片算法
面积计算公式