摘要
本申请公开了一种电网故障的识别与修复方法、系统、设备及介质,方法通过构建含双馈感应发电机的配电网数字孪生模型;根据所述配电网数字孪生模型,模拟电网中不同节点的故障情况,生成实时故障数据;将所述实时故障数据输入到预设的InceptionTime神经网络模型中进行故障识别,获得故障识别的结果;根据所述故障识别的结果,采用基于深度强化学习的调度算法,调度所述维修单元到故障节点进行故障修复。本申请通过引入数字孪生模型、InceptionTime神经网络和深度强化学习算法等技术对电网故障进行识别与修复,不仅提高了故障识别的精度和鲁棒性,还优化了故障修复的路径规划,进而减少故障修复的时间,提升故障修复的效率。
技术关键词
数字孪生模型
修复方法
调度算法
神经网络模型
感应发电机
节点
故障类别
计算机电子设备
深度强化学习算法
可读存储介质
修复系统
数据
变量
处理器
识别模块
交通
存储器
鲁棒性
系统为您推荐了相关专利信息
数字孪生模型
互感器
等效电路参数
性能评估方法
电流
实时数据
记录装置
智能调度控制
存储单元
记录方法
车间空调能耗
风量
纺织空调
BP神经网络模型
围护结构
环形缓冲区
RDMA技术
深度神经网络模型
内核
节点
海洋
水质达标
卷积神经网络模型
判定方法
云服务器