摘要
本发明涉及电网技术领域,特别是一种基于动态阈值的电缆早期故障智能识别方法、装置、设备及存储介质。通过获取电缆电流采样信号,采用动态阈值驱动的电缆过电流暂态过程检测,判断电缆电流扰动并识别早期故障原始数据;对原始数据进行S变换构建初始特征集;采用皮尔逊相关系数法选取最优特征子集;将特征子集输入CNN‑GRU‑Attention神经网络模型实现故障智能识别与分类。本发明引入温度补偿系数和负载率偏差系数对阈值进行动态调整,克服了传统固定阈值对环境和工况变化适应性差的缺点;通过深度学习与时频分析结合,能够准确识别局部放电、电弧故障、绝缘劣化及混合故障等多种类型的电缆早期故障,提高了故障识别的准确性和效率。
技术关键词
故障智能识别方法
神经网络模型
温度补偿系数
皮尔逊相关系数
动态
暂态过程
电缆早期故障识别
过电流
特征选择
智能识别系统
复合判据
门控循环单元
信号获取模块
特征提取模块
注意力机制
处理器
偏差
计算机设备
系统为您推荐了相关专利信息
可再生能源发电设备
管控方法
燃料发电设备
分布式电源
历史运行数据
智能检测方法
回波
缺陷类别
训练分类模型
建筑物
交通流量预测方法
动态邻接矩阵
门控循环单元
特征提取模型
卷积模块