[发明专利]基于多源信息融合和深度学习网络的GIS故障检测系统及方法有效

专利信息
申请号: 201611042081.7 申请日: 2016-11-11
公开(公告)号: CN106597231B 公开(公告)日: 2018-12-28
发明(设计)人: 李双宏;朱琳;许振华;杨煜普 申请(专利权)人: 上海交通大学
主分类号: G01R31/12 分类号: G01R31/12;G06K9/62;G06N3/08
代理公司: 上海交达专利事务所 31201 代理人: 王毓理;王锡麟
地址: 200240 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要: 一种基于多源信息融合和深度学习网络的GIS故障检测系统及方法,包括:多源信息采集与调理模块、深度学习模块以及信息融合与故障推理模块,其中:多源信息采集与调理模块分别采用局部放电时间解析方法、局部放电相位解析方法和超高频法对GIS系统进行故障状态监测,将得到的电流、电压和电磁信息中分别提取出对应的特征向量并输出至深度学习模块;深度学习模块基于离线学习优化得到的深度学习网络对三种特征向量进行在线模式识别得到对应的识别结论并输出至信息融合与故障推理模块,信息融合与故障推理模块将三种识别结论融合处理得到故障特征矩阵后通过CLIPS推理机得到故障结论。利用本发明可以快速、高效、准确的诊断出GIS系统的故障信息。
搜索关键词: 基于 信息 融合 深度 学习 网络 gis 故障 检测 系统 方法
【主权项】:
1.一种基于多源信息融合和深度学习网络的GIS故障检测系统,其特征在于,包括:多源信息采集与调理模块、深度学习模块以及信息融合与故障推理模块,其中:多源信息采集与调理模块分别采用局部放电时间解析方法、局部放电相位解析方法和超高频法对GIS系统进行故障状态监测,将得到的电流、电压和电磁信息中分别提取出对应的特征向量并输出至深度学习模块;深度学习模块基于离线学习优化得到的深度学习网络对三种特征向量进行在线模式识别得到对应的识别结论并输出至信息融合与故障推理模块,信息融合与故障推理模块将三种识别结论融合处理得到故障特征矩阵后通过CLIPS推理机得到故障结论;所述的CLIPS推理机包括:故障知识库、推理规则库以及推理机,其中:推理规则库包括:GIS系统发生故障的概率、发生故障会引起的后果、处理故障的措施。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海交通大学,未经上海交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201611042081.7/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top