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：南京云岸信息科技有限公司

摘要：本发明公开了一种基于线路载波的故障定位方法和系统，该方法包括根据安装点位集合，部署载波信号监测装置；采集载波信号并预处理，对预处理信号进行短时傅里叶变换，获得时频谱；计算时频谱的统计特征；提取预处理信号的瞬时频率特征；构建时频域特征向量；基于时频域特征向量，调用预配置的CNN模型识别故障类型，并对故障进行初步定位；调用预构建的自适应加权融合定位模型，计算得到融合故障定位结果，对融合故障定位结果进行时延抖动补偿和故障置信区间计算，输出最终故障检测结果。建立了安装点优化布点方案，可以获得更多更有效的信息，通过轻量级的CNN和GAT交互循环训练，相互增强，不断增强对故障识别和故障定位的准确性。

主权项：1.基于线路载波的故障定位方法，其特征在于，包括：步骤S1、获取线路数据构建线路拓扑，调取历史故障数据并结合线路拓扑，优化载波信号监测装置的安装位置，获得安装点位集合；根据安装点位集合，部署载波信号监测装置；步骤S2、采集载波信号并预处理，获得预处理信号，对预处理信号进行短时傅里叶变换，获得时频谱；计算时频谱的统计特征；提取预处理信号的瞬时频率特征；构建时频域特征向量；步骤S3、基于时频域特征向量，调用预配置的CNN模型识别故障类型，并对故障进行初步定位；步骤S4、对每一频段载波信号，重复步骤S2和步骤S3，获得每一频段载波信号的故障初步定位结果；调用预构建的自适应加权融合定位模型，计算得到融合故障定位结果，对融合故障定位结果进行时延抖动补偿和故障置信区间计算，输出最终故障检测结果；所述步骤S3进一步为：步骤S31、构建CNN模型、采用历史故障数据进行训练并配置在预定装置中，其中CNN模型包括输入层、卷积层、池化层、全连接层和输出层；输入层为时频域特征向量，卷积层为3层，每层16个3x3卷积核；全连接层为2层，每层128个神经元；输出层为softmax分类器，用于输出故障类型和概率；步骤S32、构建GAT模型并训练，读取多层线路拓扑图，为每个节点和边分配特征向量，并进行拓扑数据分析，将分析数据作为GAT模型的训练数据之一；步骤S33、在训练时，采用CNN模型识别故障类型，并采用GCN模块输出故障位置，将CNN模型识别出的故障类型信息传递给GAT模块作为输入特征，同时GAT模块接收CNN模型的故障类型信息，作为GAT模型的额外输入特征；循环训练直至达到预期要求；步骤S34、在使用时，调用预配置的CNN模型识别故障类型，并采用GAT模块进行初步定位。

全文数据：

权利要求：

百度查询： 南京云岸信息科技有限公司 基于线路载波的故障定位方法和系统