基于电气特征参量的输电线路火灾原因辨识系统及方法

AITNT
正文
推荐专利
基于电气特征参量的输电线路火灾原因辨识系统及方法
申请号:CN202411890258
申请日期:2024-12-20
公开号:CN119848481A
公开日期:2025-04-18
类型:发明专利
摘要
本发明提供基于电气特征参量的输电线路火灾原因辨识系统及方法,涉及电力系统的安全监测与故障诊断技术领域,包括数据采集模块、数据处理模块、火灾风险评估模块、多维度分析模块、预警模组、多源数据融合模组、事后分析模块和自学习机制模组,本发明通过对输电线路电流、电压等电气特征参量的实时监测,本发明能够及时发现线路运行中的异常情况,有效避免因延迟检测导致的火灾隐患,提升了线路监控的效率与及时性,采用机器学习算法对监测到的电气数据进行分析和处理,能够自动识别异常模式并判断火灾发生的潜在原因,该系统不仅依赖单一阈值报警,更通过对历史数据和运行趋势的深入分析,提供了更精准的火灾预警。
技术关键词
电气特征 火灾风险评估 辨识系统 长短期记忆网络 辨识方法 数据采集模块 随机森林 数据处理模块 线路 分析模块 在线学习算法 支持向量机算法 数据挖掘算法 更新网络参数 构建决策树 成分分析 关联规则挖掘算法 异常数据
系统为您推荐了相关专利信息
1
一种火山灰地层的盾构掘进智能调向方法
实时监测数据 地层结构 泥浆参数 支持向量回归模型 火山灰
2
一种基于联邦学习的电解铝槽温度预测模型构建方法、系统、设备及介质
温度预测模型 电解铝槽 电解铝厂 长短期记忆网络 鲸鱼优化算法
3
一种双馈风机逆变器低穿特性控制模式与参数辨识方法
双馈风机 参数辨识方法 有功功率 无功电流 控制策略
4
基于物理方法约束的深度学习潮汐预测方法
潮汐预测方法 物理 构建预测模型 长短期记忆网络 误差
5
一种嵌套残差误差校正的短期负荷预测方法及系统
神经网络预测模型 误差校正 短期负荷预测方法 序列 双向长短期记忆网络
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号