摘要
本发明涉及变压器气体检测技术领域,公开了一种变压器用气体泄漏智能检测系统及方法,其方法包括:通过采集气体压力、油位、温度等多源运行数据并标准化处理,建立统一特征矩阵以消除量纲差异。随后提取气体泄漏的时空关联特征,结合历史记录构建可监督训练样本。利用深度学习模型融合卷积网络与循环网络结构,分别捕获局部变化特征与全局动态特征,并通过多分支分类器区分普通工况与极端工况。再依据整场风向划分角度分区,建立历史与实际气体浓度间的校正曲线,实现空间分区修正。最后,通过加权融合分支预测值与综合校正值,获得最优气体泄漏状态评估。本申请有效实现数据驱动、时空耦合与工况自适应的智能检测原理。
技术关键词
泄漏智能
变压器
训练样本集
分区
工况
多维感知数据
密封系统
深度学习模型
滑动时间窗口
三维卷积神经网络
多分支
融合卷积网络
多源运行数据
分类器
融合策略
气体浓度传感器
矩阵
气体检测技术
系统为您推荐了相关专利信息
结构疲劳寿命
结构残余应力
残余应力测试
三维模型
标记
栅极驱动单元
电池管理系统
均衡电路
MCU芯片
变压器
智能人机交互方法
指令
复杂度
信号
智能人机交互装置