摘要
本发明公开了一种基于人工智能的电力放电检测方法及系统,涉及电力设备安全监测技术领域,包括采集多模态数据,执行自适应分解提取放电特征信号;构建深度图联合学习模型,将放电特征信号转换为图数据结构,生成候选特征集;基于候选特征集,采用对比学习框架训练放电模式识别器,建立放电特征与放电类型、放电位置之间的映射关系,完成单个放电源的识别和定位;运用图神经网络的节点嵌入和社区检测区分并定位时域重叠的多个放电源;结合放电特征的动态演化,输出放电风险评估结果。本发明通过多模态数据自适应分解技术,显著提高了放电特征提取的精确性和信噪比,深度图联合学习框架显著增强了放电时空特征的建模能力。
技术关键词
放电特征
放电检测方法
模式识别器
深度图
电源
拓扑特征
节点
电力设备
分支
背景噪声分量
放电检测系统
社区检测算法
多模态特征融合
矩阵分解算法
频域特征
风险评估报告
多尺度
系统为您推荐了相关专利信息
多电源系统
半实物仿真平台
电磁暂态仿真软件
宽频
风险
电源管理系统
负载电路
超级电容电压
电压监视器
微处理器
深度注意力机制
图像生成网络
生成红外图像
可见光图像
融合特征
激光点云数据
边坡
演化分析方法
融合无人机
协方差矩阵