买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳市菲尼基科技有限公司

摘要：本申请涉及故障诊断技术领域，公开了一种换电柜故障诊断方法、装置、电子设备及存储介质。所述方法包括：通过无线传感器对换电柜中的多个关键节点进行历史电流信号采集和压缩感知处理，得到压缩样本信号数据；通过两层时空图卷积网络进行故障诊断训练并通过混沌量子粒子群优化算法进行网络参数优化，得到目标故障诊断模型；获取实时电流信号数据集并进行特征识别和向量编码，得到电流信号编码向量；通过目标故障诊断模型中的第一层时空图卷积网络进行故障节点定位和故障类型识别，得到故障节点以及故障类型标签；通过目标故障诊断模型中的第二层时空图卷积网络进行故障严重程度识别，得到故障严重程度标签，进而提高了换电柜故障诊断的准确率。

主权项：1.一种换电柜故障诊断方法，其特征在于，所述换电柜故障诊断方法包括：通过无线传感器对换电柜中的多个关键节点进行历史电流信号采集，得到每个关键节点的历史电流信号数据；分别对每个关键节点的历史电流信号数据进行压缩感知处理，得到每个关键节点的压缩样本信号数据；具体包括：对每个关键节点的历史电流信号数据进行小波变换，得到多尺度小波系数矩阵；根据所述多尺度小波系数矩阵，构建测量矩阵，并对所述测量矩阵进行正交投影，得到投影矩阵；将所述多尺度小波系数矩阵与所述投影矩阵相乘，得到压缩观测值矩阵；对所述压缩观测值矩阵进行稀疏编码，得到稀疏编码矩阵，并根据所述稀疏编码矩阵，构建最优化目标函数；采用压缩感知重构算法对所述最优化目标函数进行求解，得到重构小波系数矩阵，并对所述重构小波系数矩阵进行小波反变换，得到重构历史电流信号数据；对所述重构历史电流信号数据进行统计特征提取和向量编码，得到特征向量；将所述特征向量输入预置的自编码器网络进行向量转换，得到每个关键节点的压缩样本信号数据；将每个关键节点的压缩样本信号数据输入预置的两层时空图卷积网络进行故障诊断训练，并通过混沌量子粒子群优化算法分别对所述两层时空图卷积网络进行网络参数优化，得到目标故障诊断模型；具体包括：根据所述关键节点坐标集，构建所述多个关键节点之间的空间邻接矩阵；对每个关键节点的压缩样本信号数据进行张量化处理，得到输入张量；将所述输入张量与对应的空间邻接矩阵相结合，作为第一层时空图卷积网络的第一输入数据；在第一层时空图卷积网络中，对所述第一输入数据进行时空卷积操作，提取第一训练时空特征向量；对所述第一训练时空特征向量进行池化操作，得到第一训练池化特征向量，并将所述第一训练池化特征向量输入第一全连接层进行故障定位训练和故障类型识别训练，得到第一训练输出结果；将所述第一训练输出结果与所述输入张量相结合，作为第二层时空图卷积网络的第二输入数据；在第二层时空图卷积网络中，对所述第二输入数据进行时空卷积操作，提取第二训练时空特征向量；对所述第二训练时空特征向量进行池化操作，得到第二训练池化特征向量，并将所述第二训练池化特征向量输入第二全连接层进行故障严重程度识别训练，得到第二训练输出结果；基于混沌量子粒子群优化算法和所述第二训练输出结果，分别优化两层时空图卷积网络的网络参数，得到目标故障诊断模型；获取所述换电柜中多个关键节点的实时电流信号数据集，并对所述实时电流信号数据集进行特征识别和向量编码，得到电流信号编码向量；将所述电流信号编码向量输入所述目标故障诊断模型中的第一层时空图卷积网络进行故障节点定位和故障类型识别，得到故障节点以及故障类型标签；将所述故障节点、所述故障类型标签和所述电流信号编码向量输入所述目标故障诊断模型中的第二层时空图卷积网络进行故障严重程度识别，得到故障严重程度标签。

全文数据：

权利要求：

百度查询： 深圳市菲尼基科技有限公司 换电柜故障诊断方法、装置、电子设备及存储介质