摘要
本发明公开了一种宽频振荡检测及溯源方法、存储介质及处理器,涉及电力系统技术领域,解决了现有技术对宽频振荡信号进行检测和溯源的准确性不高的技术问题;本发明通过构建宽频振荡信号的数学模型;基于离散傅里叶变换将宽频振荡信号转换到频域,得到若干频率分解值;基于希尔波特变换对宽频振荡信号进行检测;对若干编码数据分别进行图像矩阵变换,得到振荡特征矩阵;基于振荡特征矩阵和对应的振荡位置标签对深度学习模型进行训练,得到振荡定位模型。本发明通过卷积神经网络强大的序列特征捕获能力,将各节点特征向量与系统邻接矩阵输入至振荡定位模型,实现了对宽频振荡信号的高精度拟合,有利于提高对宽频振荡信号进行检测和溯源的准确性。
技术关键词
溯源方法
振荡特征
宽频
深度学习模型
估计误差
矩阵
配电网状态估计
信号
数学模型
相关系数算法
控制存储介质
卷积神经网络模型
电压
编码算法
数据
电气
标签
序列特征
处理器
系统为您推荐了相关专利信息
广告特征
广告推荐方法
交互特征
深度学习模型
推荐装置
人机交互终端
调度终端
诊断系统
诊断模块
人机互动终端
融合特征
多源监测数据
变化趋势预测
无人机影像数据
自然资源
一次性吸收性物品
缺陷检测系统
图像采集模块
成像单元
多模态
风险评估方法
混合深度学习模型
配变电设备
积水
汇流