一种基于多特征融合和GMTCN-SVM的断路器故障诊断方法

本发明公开了一种基于多特征融合和GMTCN‑SVM的断路器故障诊断方法。该方法利用改进的时间卷积网络（Temporal Convolution Network，TCN）在特征提取与数据处理中的优势，并通过引入蜘蛛黄蜂算法（Spider wasp optimizer，SWO）优化的支持向量机（Support Vector Machine,SVM）模型，从而生成一种具有高效分类和训练能力的故障诊断模型。所构建的模型具有良好的适用性，也展示出更强的全局搜索能力，能够更快速稳定地解决在故障诊断过程中遇到的复杂优化问题。同时，该方法有效改善了处理断路器故障特征数据网络的鲁棒性，实现了对断路器实时状态的评估和故障的准确诊断。本发明基于多特征融合和GMTCN‑SVM的断路器故障诊断方法，实现了端到端的多特征挖掘及智能化故障检测，有效提高了断路器故障诊断算法的精确度。