基于多源信息融合和深度学习网络的GIS故障检测系统及方法

发明专利有效专利

申请号：
CN201611042081.7
IPC分类号：G01R31/12;G06K9/62;G06N3/08
申请日期：
2016-11-11
申请人：
上海交通大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于多源信息融合和深度学习网络的GIS故障检测系统及方法
申请号	CN201611042081.7	申请日期	2016-11-11
法律状态	授权	申报国家	中国
公开/公告日	2017-04-26	公开/公告号	CN106597231A
优先权	暂无	优先权号	暂无
主分类号	G01R31/12 ? IPC结构图谱： G 物理 G0 仪器 G01 测量；测试 G01R 测量电变量；测量磁变量（指示谐振电路的正确调谐入H03J 3/12） G01R31/00 电性能的测试装置；电故障的探测装置；以所进行的测试在其他位置未提供为特征的电测试装置（在制造过程中测试或测量半导体或固体器件入H01L 21/66；线路传输系统的测试入H04B 3/46） G01R31/12 测试介电强度或击穿电压	IPC分类号	G;0;1;R;3;1;/;1;2;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;8查看分类表>
申请人	上海交通大学	申请人地址	上海市闵行区东川路800号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	上海交通大学	当前权利人	上海交通大学
发明人	李双宏;朱琳;许振华;杨煜普
代理机构	上海交达专利事务所	代理人	王毓理;王锡麟

摘要

一种基于多源信息融合和深度学习网络的GIS故障检测系统及方法，包括：多源信息采集与调理模块、深度学习模块以及信息融合与故障推理模块，其中：多源信息采集与调理模块分别采用局部放电时间解析方法、局部放电相位解析方法和超高频法对GIS系统进行故障状态监测，将得到的电流、电压和电磁信息中分别提取出对应的特征向量并输出至深度学习模块；深度学习模块基于离线学习优化得到的深度学习网络对三种特征向量进行在线模式识别得到对应的识别结论并输出至信息融合与故障推理模块，信息融合与故障推理模块将三种识别结论融合处理得到故障特征矩阵后通过CLIPS推理机得到故障结论。利用本发明可以快速、高效、准确的诊断出GIS系统的故障信息。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供