首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于深度学习的高压电缆短路故障精准定位方法及系统 

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:国网湖北省电力有限公司武汉供电公司

摘要:本发明涉及电缆故障定位技术领域,尤其涉及一种基于深度学习的高压电缆短路故障精准定位方法及系统。该方法包括以下步骤:获取高压电缆线路结构图;基于高压电缆线路结构图以得到多个电缆节点;基于多个电缆节点对高压电缆线路结构图进行线路拓扑分析,从而得到线路拓扑结构数据;基于线路拓扑结构数据构建电缆拓扑网络模型;获取高压电缆电磁波传感信号;对高压电缆电磁波传感信号进行多尺度时频分解,得到多时段频率域;基于多时段频率域得到信号时频特征数据;对信号时频特征数据进行时频能量分布分析,以得到信号时频分布数据。本发明实现了准确、高效的电缆短路故障定位。

主权项:1.一种基于深度学习的高压电缆短路故障精准定位方法,其特征在于,包括以下步骤:步骤S1:获取高压电缆线路结构图;基于高压电缆线路结构图以得到多个电缆节点;基于多个电缆节点对高压电缆线路结构图进行线路拓扑分析,从而得到线路拓扑结构数据;基于线路拓扑结构数据构建电缆拓扑网络模型;步骤S2:获取高压电缆电磁波传感信号;对高压电缆电磁波传感信号进行多尺度时频分解,得到多时段频率域;基于多时段频率域得到信号时频特征数据;步骤S3:对信号时频特征数据进行动态变化分析,得到动态时频变化特征数据;对动态时频变化特征数据进行时频能量分布分析,以得到信号时频分布数据;对信号时频分布数据进行全局特征卷积学习,以得到信号时频卷积特征图;对信号时频卷积特征图进行深层非线性特征挖掘,以得到时频非线性特征数据;步骤S4:基于时频非线性特征数据得到信号时域变化趋势规律;基于信号时域变化趋势规律对动态时频变化特征数据进行电缆拓扑传播模拟处理生成信号时频模拟数据,基于信号时频模拟数据以得到信号模拟拓扑网络模型;具体步骤如下:步骤S41:对时频非线性特征数据进行时域变化趋势分析,以得到信号时域变化趋势规律;步骤S42:基于信号时域变化趋势规律对动态时频变化特征数据进行电缆拓扑传播模拟处理,生成信号时频模拟数据;步骤S43:基于信号时频模拟数据对电缆拓扑网络模型进行动态渲染映射处理,以得到信号模拟拓扑网络模型;步骤S5:对信号模拟拓扑网络模型进行信号传播延迟计算,生成信号传播延迟数据;基于信号传播延迟数据对信号模拟拓扑网络模型进行延迟线路检测,以标记潜在故障电缆线路;步骤S6:基于电缆拓扑网络模型对潜在故障电缆线路进行网格分割处理,以得到潜在故障线路网格;基于信号传播延迟数据进行信号延迟区域迭代计算,生成最小延迟误差值;基于最小延迟误差值对潜在故障线路网格进行短路故障定位,以得到短路故障点定位结果。

全文数据:

权利要求:

百度查询: 国网湖北省电力有限公司武汉供电公司 基于深度学习的高压电缆短路故障精准定位方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术