摘要
本申请涉及一种基于多维度特性的电能表故障诊断方法、装置、设备和介质。所述方法包括:获取待检测电能表在至少一个维度上的电能表特性;分别对每一维度上的电能表特性进行特征提取,得到待检测电能表在相应维度上的特性特征;根据待检测电能表在至少一个维度上的特性特征,通过预先训练的故障检测模型对待检测电能表进行故障检测,得到待检测电能表在至少一个故障类别下的初始故障概率;故障检测模型是基于多层感知机神经网络训练得到的;根据至少一个故障类别下的初始故障概率、历史概率分布和相应故障类别的类别权重,确定待检测电能表的故障诊断结果。采用本方法可实现电能表故障的高效精准诊断。
技术关键词
检测电能表
故障类别
故障检测模型
神经网络训练
性能检测数据
多层感知机
电能表故障
故障诊断装置
外形
可视化界面
辨识模块
计算机程序产品
处理器
诊断模块
计算机设备
参数
可读存储介质
系统为您推荐了相关专利信息
特高压换流变
时序预测模型
预警方法
主节点
机制
二维卷积神经网络
滚动轴承振动信号
LSSVM模型
故障特征提取
图像
训练卷积神经网络
线性
数据
卷积神经网络训练
工业自动化技术
实例分割方法
多任务损失函数
图像数据处理
训练神经网络
训练集数据