摘要
本公开提供了一种基于漏电故障识别模型的煤矿漏电保护方法,包括:采集电网各线路中的电量信号;在检测到任一线路的零序电压幅值大于预设值的情况下,截取电量信号在故障发生时刻前、后各N个周波的采样值,经预处理后得到待识别数据;将待识别数据输入预先训练的漏电识别模型中,得到漏电故障识别结果;根据漏电故障识别结果向对应线路的保护单元下发故障切除指令。本公开的方案采用AI模型结合电网拓扑的条件注意力机制动态调整特征权重,并在特征学习阶段引入动态路由控制器,根据故障严重度实时切换优化的特征提取分支,相比传统方法,本方案在井下复杂工况下的漏电检测准确率显著提升、故障响应时间明显缩短。
技术关键词
煤矿漏电保护方法
漏电保护设备
极限学习机
编码特征
高压真空配电装置
分支
多域特征
保护单元
矿用隔爆兼本质
卷积神经网络提取
注意力
线路
电网拓扑结构
处理器
编码模块
分类器
漏电保护装置
动态
数据接口
系统为您推荐了相关专利信息
多通道
噪声功率谱估计
噪声数据
多模态特征
短时傅里叶变换
深度学习模型
GIS设备
故障诊断方法
声学传感器阵列
图谱
卷积长短时记忆网络
去噪模型
降噪方法
信噪比
判别特征
训练摘要生成模型
语句
摘要生成方法
大语言模型
标签