摘要
本发明公开了一种数字化变电站设备的特征提取方法,包括对目标数字化变电站设备进行分析确认故障诊断信号;获取故障诊断信号并进行降噪和分解得到候选本征模态函数分量;计算候选本征模态函数分量的样本熵,与实际信号的样本熵进行比较得到本征模态函数分量;提取本征模态函数分量中的特征向量并进行降维、检验和分析,得到最终的数字化变电站设备的特征。本发明还还公开了一种实现所述数字化变电站设备的特征提取方法的系统。本发明通过对获取的变电站设备信号进行降噪、分解、样本熵计算、比较和降维分析,不仅实现了数字化变电站设备的特征提取,而且可靠性更高,精确性更好。
技术关键词
数字化变电站设备
特征提取方法
特征提取模块
梯度下降优化算法
样本
分析模块
时域特征
模态分解方法
频域特征
连续小波变换
离散小波变换
数据
频率
高斯核函数
信号降噪
去噪算法
序列
系统为您推荐了相关专利信息
状态检测方法
模型训练方法
计算机执行指令
数据
贝叶斯分类器
监督学习方法
特征提取器
12导联心电图
学习系统
数据
微生物监测装置
微生物监测系统
图像监测装置
微腔
监测方法
资源动态分配方法
LoRa无线通信
LoRa网关
网络服务器
决策树算法