摘要
本发明提出了一种抗噪声增强的配电网电缆故障检测与定位方法。通过注入多周期测试信号并采集反射信号,结合m序列去噪特性与自适应小波变换,对多周期反射信号进行去噪和归一化处理,提高信号质量。采用多周期二次互相关加权后功率谱函数求平均,并通过IFFT处理实现抗噪声增强的故障定位。同时提取第一个周期的滤波信号时域特征(如幅值、相位、包络),与最终的二次互相关加权后功率谱函数IFFT值融合为高维特征向量,输入基于卷积神经网络、LSTM和注意力机制的深度学习模型。注意力机制加权二次互相关加权后功率谱函数IFFT值,提取峰值特征,提升定位精度。该方法实现电缆故障的准确分类与定位,具备高精度和抗干扰能力,适用于复杂环境下的电缆故障检测,为电力系统的稳定运行提供技术支持。
技术关键词
配电网电缆故障
电缆故障检测
高维特征向量
深度学习模型
定位方法
注意力机制
抗噪声
信号
周期
一维卷积神经网络
时域特征
定位故障位置
功率
长短期记忆网络
采集电缆
带通滤波器
高频干扰
加权特征
序列
电力系统
系统为您推荐了相关专利信息
辅助诊断方法
医学知识图谱
临床辅助诊断系统
病历
实体
辅助诊疗方法
眼动数据
微表情数据
融合特征
生理
深度学习模型
分类器
特征提取器
网络模型训练
Softmax函数
识别方法
图片
残差模块
分类模型训练
视频采集模块