摘要
本申请公开了一种基于电力指纹的充电桩故障识别方法、设备及介质,方法包括:采集充电桩运行时的电力信号数据,对电力信号数据进行预处理,并对预处理后的电力信号数据进行多维特征提取;通过主成分分析技术对多维特征进行降维处理,生成用于表征充电桩运行状态的实时电力指纹向量;获取充电桩历史故障类型对应的故障电力指纹向量及充电桩正常状态下的标准电力指纹向量,以构建对应的故障特征库;计算实时电力指纹向量与故障特征库中各电力指纹向量间的余弦相似度,并将余弦相似度输入至预先训练好的深度学习模型,以基于余弦相似度和模型输出结果,确定实时电力指纹向量对应的故障类型。
技术关键词
指纹
电力
故障特征
深度学习模型
主成分分析技术
非易失性计算机存储介质
计算机可执行指令
信号
数据
有效值
故障场景
侵入式传感器
协方差矩阵
小波变换方法
时域特征提取
充电桩故障
梯度下降算法
谐波畸变率
系统为您推荐了相关专利信息
深度学习模型
纠错
图片
大语言模型
长短期记忆网络
动态密钥
客户端
黑名单机制
动态会话密钥
隐私保护模块
半导体封装
栅极焊盘
源极焊盘
半导体器件
多芯片
语言自主学习系统
生成坐标点
语音识别技术
大数据
语音特征
余辉材料
特征选择
机器学习算法
深度学习模型
数据