摘要
本发明涉及高压电缆故障诊断领域,公开了一种基于多信息融合的高压电缆绝缘故障智能诊断方法及系统,包括以下步骤:S1:获取高压电缆的运行多源数据,构建多源原始数据矩阵;S2:预处理得到时空对齐的标准化数据矩阵;S3:进行特征提取,获取多维特征向量,并采用多模态深度网络学习特征间内在关联,得到联合多模态特征;S4:基于贝叶斯推理和蒙特卡洛采样构建故障类型识别模型,获取故障类型分类结果;S5:结合深度学习和物理模型,获取故障发生的区间及定位信息和故障等级;S6:基于故障类型分类结果和故障发生的区间及定位信息,获取故障等级,并生成的诊断报告进行预警推送。本发明实现高压电缆绝缘故障的高精度识别、定位与风险评估。
技术关键词
故障智能诊断方法
多模态特征
多信息
多模态深度
局部放电信号特征
多维特征向量
注意力机制
蒙特卡洛
矩阵
光纤布拉格光栅阵列
高压电缆故障诊断
学习特征
故障智能诊断系统
分布式光纤测温系统
电缆接头处
绝缘
计算机存储介质
数据
系统为您推荐了相关专利信息
集便器
智能控制方法
智能控制系统
机车
多光谱成像仪
故障智能诊断方法
光伏电站智能
故障诊断模型
光伏电站运行数据
精确故障定位
深度强化学习
交叉注意力机制
策略
编码模块
EDF算法
模型构建方法
坐标系
心血管疾病风险
多模态特征
关键特征点
知识库构建方法
多模态深度学习
实体
文本
引入注意力机制