买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：珠海中瑞电力科技有限公司

摘要：公开了一种STS装置电压跌落精准定位方法。其首先对获取的电压突变波形信号进行基于采样窗的滑窗采样以得到多个电压突变波形信号采样窗，接着，将所述多个电压突变波形信号采样窗分别通过作为过滤器的卷积神经网络模型以得到多个电压突变局部波形特征向量，然后，将所述多个电压突变局部波形特征向量通过基于转换器的上下文编码器以得到分类特征向量，接着，对所述分类特征向量进行流形曲面优化以得到优化分类特征向量，最后，将所述优化分类特征向量通过分类器以得到用于表示电压跌落原因类型标签的分类结果。这样，可以提高STS装置的切换精度和可靠性。

主权项：1.一种STS装置电压跌落精准定位方法，其特征在于，包括：获取电压突变波形信号；对所述电压突变波形信号进行基于采样窗的滑窗采样以得到多个电压突变波形信号采样窗；将所述多个电压突变波形信号采样窗分别通过作为过滤器的卷积神经网络模型以得到多个电压突变局部波形特征向量；将所述多个电压突变局部波形特征向量通过基于转换器的上下文编码器以得到分类特征向量；对所述分类特征向量进行流形曲面优化以得到优化分类特征向量；以及将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示电压跌落原因类型标签；其中，对所述分类特征向量进行流形曲面优化以得到优化分类特征向量，包括：以如下优化公式对所述分类特征向量进行流形曲面优化以得到所述优化分类特征向量；其中，所述优化公式为： 其中，vi是所述分类特征向量的第i个位置的特征值，μ和σ是所述分类特征向量的特征值集合的均值和标准差，且v'i是所述优化分类特征向量的第i个位置的特征值；其中，高斯概率密度的流形曲面的基准线网化以所述分类特征向量的高维特征集合的统计特性，即均值和标准差作为概率密度度量的基准锚点，通过沿着流形曲面的局部线性嵌入方向进行线网化，以获得局部概率密度极值的邻域网络的低维约束表达，从而通过重构流形曲面的概率密度表达来基于邻域分布地约束高维特征的局部分布的基于基准的相对空间位置关系，这样，就提升了所述分类特征向量的高维特征的类概率密度的空间收敛性，也就是，提升了所述分类特征向量在概率密度空间内的概率密度表达的一致性。

全文数据：

权利要求：

百度查询： 珠海中瑞电力科技有限公司 一种STS装置电压跌落精准定位方法