摘要
本发明公开了一种GIS特高频局部放电异常预警方法及系统,涉及电力设备故障诊断技术领域,包括,采集脉冲信号并进行时域归一化及前沿检测,基于检测结果构建四维时空特征矩阵,并利用编码规则生成结构化时空特征张量;将结构化时空特征张量按时间窗口分割为多个子矩阵,通过最优嵌入维度和时间延迟算法重构六维相空间,并通过耦合方程将重构后的六维相空间与混沌动力学特性深度融合,生成混沌轨迹数据;基于混沌轨迹数据提取动力学参数,并通过深度学习模型对动力学参数进行融合,生成放电异常风险评分;本发明通过相空间重构和混沌动力学建模,精确捕捉了局部放电的非线性动态特性,显著提升了对异常状态的预测精度。
技术关键词
特高频局部放电
预警方法
轨迹
深度学习模型
矩阵
脉冲
编码规则
电力设备故障诊断技术
重构
Lyapunov指数
风险
参数
时域特征
方程
报告
数据
多头注意力机制
算法
时间序列特征
系统为您推荐了相关专利信息
摄像头联合标定方法
坐标系
双目视觉模型
车身
畸变参数
异常事件
时间序列模型
静态设备
机器学习架构
传感器
公路交通事件
事件识别
预警方法
预警规则
历史交通数据