龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：国网江苏省电力有限公司电力科学研究院;江苏省电力试验研究院有限公司;国网江苏省电力有限公司双创中心;国网江苏省电力有限公司
申请日：2024-03-12
公开（公告）日：2024-06-07
公开（公告）号：CN118152780A
主分类号：G06F18/213
分类号：G06F18/213;G01M3/04;G06F18/214;G06F18/2337;G06N3/044;G06N3/08
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.25#实质审查的生效;2024.06.07#公开
摘要：本发明涉及气体泄漏监测技术领域，尤其涉及一种GIL气体泄漏故障监测方法、装置、设备及介质，包括基于DBSCAN密度聚类算法，对GIL气体泄漏监测传感器历史采样数据进行预聚类，得到历史采样数据的聚类数；基于模糊C均值算法，计算历史采样数据对各聚类中心的隶属度，作为监测特征；将监测特征和历史环境数据结合作为输入向量，训练得到基于深度神经网络的气体泄漏故障监测模型；计算实时采样数据对各聚类中心的隶属度，并与实时环境采样结合输入气体泄漏故障监测模型，实现对GIL气体泄漏故障的在线监测；能够高效利用气体泄漏监测传感器采样数据，降低气体泄漏误诊率，有效提高长距离地下管廊气体泄漏监测系统的准确性和鲁棒性。
主权项：1.一种GIL气体泄漏故障监测方法，其特征在于，包括如下步骤：S10：基于DBSCAN密度聚类算法，对GIL气体泄漏监测传感器历史采样数据进行预聚类，得到历史采样数据的聚类数；S20：基于深度自编码改进的模糊C均值算法，计算历史采样数据对各聚类中心的隶属度，作为监测特征；S30：将所述监测特征和历史环境数据拼接为一维向量后作为输入向量，并针对不同泄漏方向，构建并训练得到基于多任务架构深度神经网络的气体泄漏故障监测模型；S40：计算实时采样数据对各聚类中心的隶属度，并与实时环境采样数据结合输入所述气体泄漏故障监测模型，实现对GIL气体泄漏故障的在线监测。
全文数据：
权利要求：
百度查询： 国网江苏省电力有限公司电力科学研究院;江苏省电力试验研究院有限公司;国网江苏省电力有限公司双创中心;国网江苏省电力有限公司 一种GIL气体泄漏故障监测方法、装置、设备及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号