摘要
本发明提供一种基于Mamba模型的环网柜故障处理方法、系统、装置及介质,包括:采集配电网环网柜运行过程中指定参数的原始数据;对原始数据进行预处理,标注正常类型样本和故障类型样本;使用独热编码对不同故障类型进行编码,提取其数据信号的指定时域特征,对提取的数据进行FFT变换,得到指定频域特征;将特征进行拼接,得到高维信息特征;在Mamba模块中训练深度学习模型;利用电力系统置信度损失函数对深度学习模型进行监督,得到环网柜故障预测模型;获取实时监测数据,基于环网柜故障预测模型对所述配电网环网柜的不同类型故障进行识别,以针对识别出的故障类型进行相应的预警。本发明实现对配电网环网柜的故障进行实时监测和预警。
技术关键词
配电网环网柜
故障预测模型
时域特征
特高频电磁波信号
频域特征
电力系统
实时监测数据
电缆接头故障
局部放电故障
焦点损失函数
编码
训练深度学习模型
样本
故障类别
设备老化
模块
瞬态特征
电子装置
系统为您推荐了相关专利信息
分布式存储单元
数据采集节点
故障预测模型
设备故障预测
设备运行数据
桥面板
UHPC材料
生成认证码
故障预测模型
能耗
运动姿态识别方法
建立动作识别模型
时域特征
UWB基站
数据
干扰补偿方法
深度学习模型
高精度温度传感器
偏差
传感器老化