一种基于时间卷积神经网络的短路类型识别系统

本发明涉及电气安全技术领域，具体涉及一种基于时间卷积神经网络的短路类型识别系统。TCN通过因果卷积和膨胀卷积技术，有效捕获序列数据中的局部和全局模式，适用于处理具有长期依赖特性的电气线路数据。模型构建包括数据预处理(清洗、归一化、拆分)、数据集划分(训练集、验证集、测试集)以及模型训练与优化。训练过程中采用交叉熵损失函数和Adam优化算法，实现了对电气线路正常状态、炭化路径型短路及金属短接型短路的准确识别。优化后模型准确率接近100％，显著提升了分类性能。此外，本文还提出了基于TCN的电气线路短路检测方法，强调了实时监测与预警系统的重要性，为电气火灾预防提供了技术支持。