公开(公告)号：CN118797493A

公开(公告)日：2024-10-18

申请号：CN202410582010.4

申请日：2024-05-11

Applicant: 国网冀北电力有限公司超高压分公司 ,  北京中恒博瑞数字电力科技有限公司

Inventor： 王书渊 ,  金海望 ,  安海清 ,  赵治钧 ,  袁俏 ,  李振动 ,  王飞 ,  张宝华 ,  陈方东 ,  贺俊杰 ,  戴浩男 ,  陈学良 ,  翟永尚 ,  田凯哲 ,  于文博 ,  李涛 ,  赵薇

IPC: G06F18/2431 ,  G06F18/213 ,  G06F18/214 ,  G06F18/23213 ,  G06F18/26 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084 ,  G01R35/02 ,  G06F123/02

Abstract: 一种基于数据增强和深度学习的光CT故障辨识方法，属于光CT故障辨识技术领域，所述方法包括以下步骤：获取预设测点光CT的状态参量和故障类型标签；利用Apriori关联规则法筛选出关键状态参量；以筛选后的关键状态参量作为光CT的故障样本集，利用WGAN生成对抗网络对光CT的故障样本集进行数据扩充；对扩充后的故障样本集进行奇异谱分析，分离出光CT的若干信号序列；构建基于深度学习的光CT故障辨识模型，提取光CT的关键状态参量的时空特征，实现光CT不同故障类型的识别。通过对算法的改进，可准确识别光CT的故障类型和提供可靠的识别结果。