摘要
本申请实施例公开了一种基于PCA和KDE的特高压直流线路故障诊断方法,涉及特高压直流线路故障诊断技术领域,该方法包括:获取目标特高压直流线路的行波数据,对行波数据进行标准化处理,通过预设的主成分模型将数据分别投影至各个主成分上,输出投影数据集合;将投影数据集合输入每个训练好的联合概率密度模型中,获取概率密度值;基于概率密度值输出故障诊断结果。本申请利用主成分分析对行波信号进行特征提取,从而降低数据的维度,并捕捉到关键特征信息;本申请还通过核密度估计对关键特征进行联合概率密度分布拟合,从而实现多故障特征的高效综合利用,能充分挖掘多特征之间的内在联系,可以有效提升故障诊断的全面性与精确性。
技术关键词
特高压直流线路
故障诊断方法
特高压直流系统
样本
故障工况
数字孪生模型
非暂态计算机可读存储介质
协方差矩阵
故障诊断装置
故障诊断技术
故障诊断模块
特征值
数值
特征提取模块
生成参数
数据采集模块
系统为您推荐了相关专利信息
地物模型
训练样本数据
融合建模方法
地形场景
VR设备
输入神经网络模型
序列
样本
地理位置信息
资源消耗量
贝叶斯神经网络
路面性能预测
神经网络模型
参数
指标