一种基于人工智能技术的电网故障快速诊断方法技术

本发明专利技术公开了一种基于人工智能技术的电网故障快速诊断方法，包括以下步骤：多模态数据采集、边缘计算预处理、量子特征编码、动态知识图谱构建、混合智能诊断和结合智能分析。该一种基于人工智能技术的电网故障快速诊断方法通过使用多模态数据融合，量子计算加速和动态知识图谱，通过结合设备状态、电力参数和环境信息，从而有效的结合数据对于电网故障进行快速诊断和恢复，同时显著的提升了供电的可靠性以及运维的效率，实验证明，通过使用大数据对于所获取的信息进行精准分析，即可有效和快速的对于人工智能技术进行精准的判断和维护，从而避免因为通过传统技术导致电网故障没有及时得到维护造成损失的问题。

【技术实现步骤摘要】

本专利技术涉及电网故障诊断，具体为一种基于人工智能技术的电网故障快速诊断方法。

技术介绍

1、电网故障快速诊断技术的革新源于跨领域方法的深度融合，早期信号处理技术因采样频率受限（仅0.1mhz级），导致高频暂态分量捕获率不足35%，严重制约故障时刻标定精度，而传统矩阵算法在构建电网关联模型时，未考虑断路器动作延迟、互感器饱和等非线性干扰，误判率超过12%。

2、现有技术中在使用时，现有的电网故障诊断中存在数据维度局限的问题，同时模型计算效率不足，并且现有的知识推力较为薄弱，无法深度的快速诊断电网存在的故障。

技术实现思路

1、本专利技术的目的在于提供一种基于人工智能技术的电网故障快速诊断方法，以解决上述
技术介绍
中现有的电网故障诊断中存在数据维度局限的问题，同时模型计算效率不足，并且现有的知识推力较为薄弱，无法深度的快速诊断电网存在的故障。

2、为了解决上述技术问题，本专利技术提供如下技术方案：一种基于人工智能技术的电网故障快速诊断方法，包括以下步骤：多模态数据采集、边缘计算预处理、量子本文档来自技高网...

【技术保护点】

1.一种基于人工智能技术的电网故障快速诊断方法，其特征在于，包括以下步骤：多模态数据采集、边缘计算预处理、量子特征编码、动态知识图谱构建、混合智能诊断和结合智能分析；

2.根据权利要求1所述的一种基于人工智能技术的电网故障快速诊断方法，其特征在于：所述多模态数据采集通过振动传感器、红外热像仪、无人机等设备获取电力参数、设备状态、环境信息三类数据。

3.根据权利要求1所述的一种基于人工智能技术的电网故障快速诊断方法，其特征在于：所述边缘计算预处理在边缘节点对原始数据进行降噪、特征提取与异常初筛，压缩数据传输量70%以上，采用华为Atlas 500 3000型号设备，...

【技术特征摘要】

1.一种基于人工智能技术的电网故障快速诊断方法，其特征在于，包括以下步骤：多模态数据采集、边缘计算预处理、量子特征编码、动态知识图谱构建、混合智能诊断和结合智能分析；

2.根据权利要求1所述的一种基于人工智能技术的电网故障快速诊断方法，其特征在于：所述多模态数据采集通过振动传感器、红外热像仪、无人机等设备获取电力参数、设备状态、环境信息三类数据。

3.根据权利要求1所述的一种基于人工智能技术的电网故障快速诊断方法，其特征在于：所述边缘计算预处理在边缘节点对原始数据进行降噪、特征提取与异常初筛，压缩数据传输量70%以上，采用华为atlas 500 3000型号设备，支持华为昇腾910c的本地推理。

4.根据权利要求1所述的一种基于人工智能技术的电网故障快速诊断方法，其特征在于：所述量子特征编码通过量子门分解技术降低计算复杂度。

5.根据权利要求1所述的一种基...

【专利技术属性】
技术研发人员：李若琪，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：