【技术实现步骤摘要】
本专利技术涉及电力系统故障诊断的，尤其涉及一种基于深度学习的电力故障分类方法。
技术介绍
1、随着电力系统的规模和复杂性不断增加，故障诊断和分类技术成为保障电力系统稳定运行的关键，传统的电力故障诊断方法主要依赖于专家经验和规则库，这些方法在面对复杂、多变的故障情况时，往往表现出较高的误判率和漏判率；此外，随着电力系统中数据采集和存储技术的进步，海量的历史故障数据和实时运行数据为智能化故障诊断提供了可能。
2、近年来，机器学习特别是深度学习技术的快速发展，为电力故障分类提供了新的思路，卷积神经网络(cnn)在图像识别方面表现出色，能够有效提取数据的空间特征；而循环神经网络(rnn)则在处理时间序列数据方面具有显著优势；将这两者结合起来，构建混合模型，可以充分利用电力故障数据的时空特性，提高故障分类的准确性和鲁棒性。
3、然而，现有的电力故障分类技术仍存在一些显著不足，首先，传统的基于规则和专家系统的方法在应对新型或复杂故障时，显得力不从心，无法及时更新和适应动态变化的电力系统环境；其次，一些基于浅层机器学习模型的方...
【技术保护点】
1.一种基于深度学习的电力故障分类方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的电力故障分类方法，其特征在于，采集的所述故障数据包括但不限于电压数据、电流数据、频率数据、功率数据、谐波数据、温度数据、设备状态数据；
3.根据权利要求1所述的基于深度学习的电力故障分类方法，其特征在于，得到所述目标特征，包括：
4.根据权利要求1所述的基于深度学习的电力故障分类方法，其特征在于，基于卷积神经网络和循环神经网络构建混合模型，其数学表达公式如下：
5.根据权利要求1或4所述的基于深度学习的电力故障分类方法，其特...
【技术特征摘要】
1.一种基于深度学习的电力故障分类方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的电力故障分类方法，其特征在于，采集的所述故障数据包括但不限于电压数据、电流数据、频率数据、功率数据、谐波数据、温度数据、设备状态数据；
3.根据权利要求1所述的基于深度学习的电力故障分类方法，其特征在于，得到所述目标特征，包括：
4.根据权利要求1所述的基于深度学习的电力故障分类方法，其特征在于，基于卷积神经网络和循环神经网络构建混合模型，其数学表达公式如下：
...
【专利技术属性】
技术研发人员：孙竹君，程伟华，周红林，曾春生，曹轩玮，朱健，徐莹娇，
申请(专利权)人：江苏电力信息技术有限公司，
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。