[发明专利]一种基于组合神经网络模型的配电终端故障判别方法及系统在审
| 申请号： | 201910803104.9 | 申请日： | 2019-08-28 |
| 公开（公告）号： | CN110516742A | 公开（公告）日： | 2019-11-29 |
| 发明（设计）人： | 宋旭东;韩博文;张晓平;高雅;侯艾君;陈小军 | 申请（专利权）人： | 广东电网有限责任公司;广东电网有限责任公司电力科学研究院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G06Q50/06 |
| 代理公司： | 11227 北京集佳知识产权代理有限公司 | 代理人： | 郭帅<国际申请>=<国际公布>=<进入国 |
| 地址： | 510600 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请具体涉及一种基于组合神经网络模型的配电终端故障判别方法及系统，通过对配电终端测量系统测得的时域的电气数据进行时域变换得到各数据的时频图谱并构成原始训练集，利用生成式对抗神经网络GAN对原始训练集生成扩容，根据随机数序列随机生成的新时频图谱与原始训练集构成新训练集，为卷积神经网络CNN提供更多更全面的训练样本；在GAN生成式扩容的基础上应用卷积神经网络CNN进行模型训练，大大提高了判别模型对未知故障类型的数据的判别准确度；本发明提供的方法和系统可以对故障类型在线判别，及时反馈配电终端的设备运行状态，无需在离线状态下到设备现场才能对设备检修获得故障类型，从而提高运维效率和减少运维工作量。 | ||
| 搜索关键词： | 原始训练集 故障类型 配电终端 神经网络 生成式 扩容 时频 运维 图谱 组合神经网络模型 卷积神经网络 设备运行状态 随机数序列 准确度 测量系统 电气数据 故障判别 离线状态 模型训练 判别模型 时域变换 随机生成 训练样本 应用卷积 在线判别 对设备 训练集 时域 工作量 检修 反馈 对抗 申请 | ||
【主权项】：
1.一种基于组合神经网络模型的配电终端故障判别方法，其特征在于，包括：/n对配电终端不同故障类型的电气数据进行时频变换，得到时频图谱构成原始训练集；/n把所述原始训练集输入生成式对抗神经网络GAN进行生成式扩容，根据随机数序列随机生成新的时频图谱子集，与所述原始训练集一同构成新训练集，所述新训练集输入卷积神经网络CNN进行卷积和池化，在全连接层输出故障类型的编号，得到训练完毕的故障判别模型；/n输入在线实时采集的待测数据，利用所述故障判别模型进行故障类型判别并输出判别结果。/n
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广东电网有限责任公司;广东电网有限责任公司电力科学研究院，未经广东电网有限责任公司;广东电网有限责任公司电力科学研究院许可，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/201910803104.9/，转载请声明来源钻瓜专利网。
