【技术实现步骤摘要】
本专利涉及电力设备故障检测，特别涉及一种电源的故障智能监测方法、装置及设备。
技术介绍
1、近年来，电源的应用日趋广泛，电源故障诊断作为电源领域重要研究内容之一，受到了国内外的广泛关注。电源由于自身组件生产工艺较为复杂，加之长期工作运行于恶劣的环境中，难免发生诸如组件开路、短路、老化等类型的故障，及时发现、准确辨识并清除电源故障对发电系统的安全稳定运行起着至关重要的作用。
2、目前，对电源进行故障诊断的传统方法包括多传感器法、红外图像检测法、接地电容测量法、反馈信号分析法等。上述方法均可部分实现电源的故障诊断和定位，但现在方法中存在诊断效率或准确率不足的问题，难以在实际工程中加以应用。
技术实现思路
1、本专利技术提供了一种电源的故障智能监测方法、装置及设备，旨在提供一种基于故障诊断模型的诊断方法来解决现有方法效率和准确率不足的问题。
2、第一方面，本专利技术实施例提供了一种电源的故障智能监测方法，其包括获取待测的电源的电气特征图；
3、将所述待测的电源的电气特征图输入训练好的故障诊断模型，以输出对应的故障诊断结果；
4、其中，所述故障诊断模型的训练过程包括：
5、获取不同工况下的电源的电气特征图样本；
6、将部分所述电气特征图样本作为训练集输入预设的故障诊断模型进行训练，以获取经训练的故障诊断模型；
7、将另一部分所述电气特征图样本作为测试集输入所述经训练的故障诊断模型进行测试，以获取所述训练好的
8、第二方面，本专利技术提供了一种电源的故障智能监测装置，所述装置包括
9、获取单元，用于获取不同工况下的电源的电气特征图样本；还用于获取待测的电源的电气特征图；
10、诊断单元，用于根据所述待测的电源的电气特征图输出对应的故障诊断结果；
11、模型训练单元，用于根据所述电气特征图样本对预设的故障诊断模型进行训练，以获取经训练的故障诊断模型；还用于根据电气特征图样本对所述经训练的故障诊断模型进行测试，以获取所述训练好的故障诊断模型。
12、第三方面，本专利技术实施例提供了一种电子设备，所述电子设备包括存储器及处理器，所述存储器上存储有电子设备程序，所述处理器执行所述电子设备程序时实现上述的方法。
13、第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。
14、与现有技术相比，本专利技术建立了一种基于智能检测模型的电源的故障智能监测方法，该模型适用于电源的二维电气特征图像类型辨识，且特征提取性能更佳，可以更好地实现信号特征的提取和学习，从而提高故障诊断效率与准确率。
本文档来自技高网...【技术保护点】
1.一种电源的故障智能监测方法，其特征在于，所述的方法包括：
2.根据权利要求1所述的方法，其特征在于，所述故障诊断模型包括依次连接的卷积模块、残差收缩模组以及全连接模块，所述将部分所述电气特征图样本作为训练集输入预设的故障诊断模型进行训练，以获取经训练的故障诊断模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述残差收缩模组包括若干个依次连接的残差收缩模块，所述残差收缩模块包括依次连接的第一卷积子模块、第二卷积子模块、池化子模块以及软阈值学习子模块，通过所述残差收缩模组对所述第一特征数据进行去噪处理，以获取第二特征数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述残差收缩模块还包括恒等映射子模块，用于将输入的所述第一特征数据直接作为所述残差收缩模块的输出。
5.根据权利要求3所述的方法，其特征在于，所述软阈值学习子模块包括依次连接的第一全连接层、批量标准化层、第一激活函数、第二全连接层以及第二激活函数。
6.根据权利要求1所述的方法，其特征在于，所述电气特征图包括所述电源的输出电压随时间变化的波形图及
7.根据权利要求1所述的方法，其特征在于，所述故障诊断结果包括电源开路、IGBT管短路以及二极管短路中的至少一项。
8.一种电源的故障智能监测装置，其特征在于，包括：
9.一种电子设备，其特征在于，所述电子设备包括存储器及处理器，所述存储器上存储有电子设备程序，所述处理器执行所述电子设备程序时实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法。
...【技术特征摘要】
1.一种电源的故障智能监测方法，其特征在于，所述的方法包括：
2.根据权利要求1所述的方法，其特征在于，所述故障诊断模型包括依次连接的卷积模块、残差收缩模组以及全连接模块，所述将部分所述电气特征图样本作为训练集输入预设的故障诊断模型进行训练，以获取经训练的故障诊断模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述残差收缩模组包括若干个依次连接的残差收缩模块，所述残差收缩模块包括依次连接的第一卷积子模块、第二卷积子模块、池化子模块以及软阈值学习子模块，通过所述残差收缩模组对所述第一特征数据进行去噪处理，以获取第二特征数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述残差收缩模块还包括恒等映射子模块，用于将输入的所述第一特征数据直接作为所述残差收缩模块的输出。
5.根据权利要求3所述的方法，其特征在于，所...
【专利技术属性】
技术研发人员：邓建辉，张晶晶，彭辉，刘鹏鹏，贺喆，王大翊，
申请(专利权)人：中国人民解放军九二九四二部队，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。