摘要
本公开涉及一种电力设备故障诊断预测方法、装置及电子设备,涉及人工智能技术领域,包括:采集多个电力设备的声音数据和电气数据,从声音数据中定位噪声数据,根据定位到噪声数据的声音数据的时变特性曲线提取故障特征;定位提取到故障特征的故障时间节点,匹配故障时间节点对应的电气数据,得到故障电气数据;利用声音分离模型分离声音数据中的噪声数据,得到每个电力设备的噪声数据,并根据每个电力设备的噪声数据、时变特性曲线以及故障电气数据的匹配程度,确定每个电力设备的故障;根据故障的故障类型的数据异常走势,预测故障趋势。通过应用本公开方案,能够提高局部放电检测的准确性和可靠性,降低漏检或误判的风险。
技术关键词
噪声数据
电力设备故障诊断
故障特征
电气
预测电力设备
曲线
异构数据融合方法
梅尔频率倒谱系数
局部放电检测
生成对抗网络
节点
深度学习模型
人工智能技术
通道
短时间
预测装置
系统为您推荐了相关专利信息
火电厂环保设备
风险评估模型
风险评估方法
神经网络模型
传感器
稀疏角度CT图像
CT重建图像
CT图像重建技术
迭代算法
网络
杂光检测设备
弧形支撑架
点光源
移动模组
调节模组
数据智能分析方法
机器学习算法
卫星遥感数据
高清图像采集设备
房屋结构