一种融合深度学习与逻辑判断的电缆间歇性故障监测方法

本发明公开了一种融合深度学习与逻辑判断的电缆间歇性故障监测方法，涉及电力电缆状态监测技术领域。本发明采集连续电压信号，按照工频周期划分为单周期电压样本并设置时间标签；将单周期电压样本输入CNN‑BiLSTM‑MHA深度学习模型，依次提取局部畸变特征、周期内前后时序关联特征，对关键时间片段进行注意力加权，形成单周期判别结果；按照采样时序形成判别结果序列，利用逻辑判断模块滑动窗口分析，在连续故障周期区间前后为正常周期时判定间歇性故障，确定故障起始时间、结束时间和持续时间。本发明可降低电压波动和噪声造成的判断偏差，实现周期级故障时间定位。