【技术实现步骤摘要】
本专利技术涉及开关柜，具体涉及一种基于深度学习的低压智能开关柜故障诊断方法及系统。
技术介绍
1、低压智能开关柜作为电力系统的重要组成部分，其稳定运行对于整个电力系统的可靠性至关重要。然而，由于运行环境复杂多变，开关柜容易出现各种故障，若不能及时发现和处理，将对电力系统的稳定运行造成严重影响。
2、传统的故障诊断方法通常基于单一传感器数据或简单的阈值判断，这种方法在处理复杂故障时往往效果不佳。近年来，深度学习技术的发展为故障诊断提供了新的思路。通过深度学习模型，可以自动提取数据中的特征，并进行故障分类和识别。
3、然而，现有的基于深度学习的故障诊断方法往往只关注全局特征或局部特征，忽略了二者之间的关联性，导致复杂故障诊断精度低，并且将监测所有多模态数据都进行了融合，融合的数据量过多，导致一些基础故障无法快速判断。
技术实现思路
1、针对现有技术中的缺陷，本专利技术提供一种基于深度学习的低压智能开关柜故障诊断方法及系统，该方法及系统通过融合不同监测点的局部特征和整个开...
【技术保护点】
1.一种基于深度学习的低压智能开关柜故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的一种基于深度学习的低压智能开关柜故障诊断方法，其特征在于，所述第一监测数据包括监测点关键器件带时间戳的温湿度数据、电流数据、电压数据、声音数据和环境温湿度数据；所述第二监测数据包括监测点其他器件的带时间戳的温湿度数据、电流数据、电压数据和声音数据。
3.根据权利要求1所述的一种基于深度学习的低压智能开关柜故障诊断方法，其特征在于，从所述第一监测数据中提取全局特征，之前包括：对所述第一监测数据进行归一化和去噪处理。
4.根据权利要求1所述的一...
【技术特征摘要】
1.一种基于深度学习的低压智能开关柜故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的一种基于深度学习的低压智能开关柜故障诊断方法，其特征在于，所述第一监测数据包括监测点关键器件带时间戳的温湿度数据、电流数据、电压数据、声音数据和环境温湿度数据；所述第二监测数据包括监测点其他器件的带时间戳的温湿度数据、电流数据、电压数据和声音数据。
3.根据权利要求1所述的一种基于深度学习的低压智能开关柜故障诊断方法，其特征在于，从所述第一监测数据中提取全局特征，之前包括：对所述第一监测数据进行归一化和去噪处理。
4.根据权利要求1所述的一种基于深度学习的低压智能开关柜故障诊断方法，其特征在于，从所述第一监测数据中提取全局特征，包括：通过第一注意力模块从第一监测数据中提取第一时序特征；通过第二注意力模块从第一监测数据中提取第一多参数特征；对所述第一时序特征和第一多参数特征进行融合，得到全局特征。
<...【专利技术属性】
技术研发人员：林志鹏，廖涛，向川，谭显浪，李静，蒋元杰，
申请(专利权)人：华电四川发电有限公司瓦屋山分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。