【技术实现步骤摘要】
本专利技术属于电工设备异常状态智能识别，尤其涉及基于人工智能的电工设备异常状态智能识别系统。
技术介绍
1、电工设备是在电力生产、传输、分配和使用过程中所涉及的各类装置与器械的统称，在电工设备运行过程中，及时、准确地识别异常状态至关重要。
2、现有技术中，传统的电工设备异常状态检测方法大多依赖人工巡检或简单的阈值判断，人工巡检效率低、易受主观因素影响，且难以做到实时监测，简单的阈值判断无法适应复杂的运行工况，容易出现误判和漏判的情况，在数据处理的全面性和准确性方面存在不足，难以有效处理多源异构数据，对复杂故障模式的识别能力有限，且缺乏自适应调整机制，难以应对不同环境和设备老化带来的变化，导致在实际应用中无法满足高精度的异常状态识别需求，需要对此进行改进，为此，提出基于人工智能的电工设备异常状态智能识别系统。
技术实现思路
1、本专利技术的目的在于提供基于人工智能的电工设备异常状态智能识别系统，以解决上述
技术介绍
中提出的问题。
2、为了实现上述目的，本专利技术采用了如...
【技术保护点】
1.基于人工智能的电工设备异常状态智能识别系统，包括数据采集模块、数据预处理模块、特征提取模块、模型训练模块、异常识别模块和报警模块，其特征在于：数据采集模块用于采集电工设备的各类运行数据，包括电压数据V(t)、电流数据I(t)、温度数据T(t)；
2.根据权利要求1所述的基于人工智能的电工设备异常状态智能识别系统，其特征在于，所述数据采集模块采用多种传感器，包括电压传感器、电流传感器和温度传感器，分别用于采集相应的物理量。
3.根据权利要求1所述的基于人工智能的电工设备异常状态智能识别系统，其特征在于，所述数据预处理模块还包括数据归一化处理，...
【技术特征摘要】
1.基于人工智能的电工设备异常状态智能识别系统，包括数据采集模块、数据预处理模块、特征提取模块、模型训练模块、异常识别模块和报警模块，其特征在于：数据采集模块用于采集电工设备的各类运行数据，包括电压数据v(t)、电流数据i(t)、温度数据t(t)；
2.根据权利要求1所述的基于人工智能的电工设备异常状态智能识别系统，其特征在于，所述数据采集模块采用多种传感器，包括电压传感器、电流传感器和温度传感器，分别用于采集相应的物理量。
3.根据权利要求1所述的基于人工智能的电工设备异常状态智能识别系统，其特征在于，所述数据预处理模块还包括数据归一化处理，将数据映射到[0,1]区间，公式为：x_norm＝(x-x_min)/(x_max-x_min)，其中x为原始数据，x_min和x_max分别为数据的最小值和最大值，x_norm为归一化后的数据。
4.根据权利要求1所述的基于人工智能的电工设备异常状态智能识别系统，其特征在于，所述特征提取模块还采用小波变换提取数据的时频特征，小波变换公式为：wf[a,b]＝(1/sqrt(a))*integral(f[t]*conjug...
【专利技术属性】
技术研发人员：陈运强，陈宇，梁卫雄，
申请(专利权)人：广东劳易多科技有限公司，
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。