摘要
本发明提供一种配网型避雷器漏电流优化测量方法包括信号采集、初步信号去噪与预处理、小波变换信号分解、高频噪声分量剔除与处理、输入卷积神经网络CNN去扰、集成学习模型优化、输出去扰后的漏电流信号和性能评估与结果反馈;通过结合小波变换和卷积神经网络的多层次处理方法,有效地去除了微弱漏电流信号中的高频噪声,并在去噪过程中保留了信号的有效特征,相较于传统依赖单一信号处理技术的方法,能够使信号去扰更加精确且有效,小波变换信号分解方法可以将信号分解为不同频率的分量,有效剔除高频噪声分量,保留低频和中频的有效信号,随后,卷积神经网络通过深度特征提取进一步提升了信号的清晰度和可靠性,确保漏电流信号的准确检测。
技术关键词
优化测量方法
避雷器漏电流
集成学习模型
噪声分量
微弱泄漏电流信号
硬件设备
信号发生器模块
功率放大器模块
预测信号值
信号分解方法
TMR传感器
信号特征
误差
深度特征提取
直流电源模块
信号处理技术
滤波器