基于深度学习的电缆故障类型识别方法
实质审查的生效
摘要
本发明涉及一种基于深度学习的电缆故障类型识别方法，包括S1、采集不同电缆故障类型的输入阻抗谱时频域特征，建立电缆故障样本库，对所有电缆的故障特征进行分类及标注；S2、对S1获得的时频域特征进行预处理后，按照预设比例划分训练集和测试集，构建样本训练集和测试集；S3、构建基于深度学习的机器学习模型；S4、用S2构建的训练集对机器学习模型进行训练；S5、测试模型，输入电缆故障信号，输出相应的分类标签，最终获得目标电缆故障所属的类别。本发明能够根据电缆输入阻抗谱的特征，对特征数据进行提取与分类，实现对接地、短路与开路故障类型的高精度识别。
基本信息
专利标题 ：
基于深度学习的电缆故障类型识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114545292A
申请号 ：
CN202111615075.7
公开（公告）日 ：
2022-05-27
申请日 ：
2021-12-27
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
杨海飞郭建斌姜涛张勇周涛万庆祝李伊梦闫旭阳郑帅袁润娇
申请人 ：
国网山西省电力公司阳泉供电公司;北方工业大学
申请人地址 ：
山西省阳泉市城区德胜东街333号
代理机构 ：
江阴市权益专利代理事务所(普通合伙)
代理人 ：
舒平
优先权 ：
CN202111615075.7
主分类号 ：
G01R31/58
IPC分类号 ：
G01R31/58 G01R31/52 G01R31/54 G06K9/62 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G01
测量；测试
G01R
测量电变量；测量磁变量
G01R31/58
测试线路、电缆或导体
法律状态
2022-06-14 ：
实质审查的生效
IPC(主分类) : G01R 31/58
申请日 : 20211227
申请日 : 20211227
2022-05-27 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
