摘要
本发明公开了一种电能表异常现象自动检测与判定方法和系统。本发明采用的方法,包括:实时采集多维度电力参数数据,将数据映射到非线性空间,构建判别矩阵,通过最小化目标函数,优化投影矩阵以有效区分正常与异常数据,对电力参数数据的特征向量进行多阶段动态滤波,得到净化后的特征向量;净化后的特征向量经过自适应卷积逆变换算法处理,以重构信号的时间和空间特征,生成频域信号,再通过逆变换恢复完整的时间特征信号,通过多重迭代收敛算法得到最优异常特征向量,对最优异常特征向量进行分类,完成自动检测与判定。本发明可以提高异常检测的准确性,提高信噪比,准确识别不同类型的异常现象。
技术关键词
判定方法
电能表
卷积核函数
异常数据
矩阵
频域滤波器
多阶段
动态滤波方法
信号
算法
重构
参数
电力
广义特征值
非线性特征
判定系统
净化单元
系统为您推荐了相关专利信息
电力负荷预测方法
电力负荷预测模型
电力负荷预测装置
电力负荷预测技术
集合经验模态分解
惯量辨识方法
径向基函数插值
双向长短期记忆
节点
深度学习模型
旋转变换矩阵
图像分割模型
坐标
机器人视觉
特征点