阅读论文：电网的故障检测

整体图示及论文链接：

论文链接：https://arxiv.org/pdf/2009.06825.pdf

个人总结：

本文提出了一种基于数据的非模型算法

  依据：数据获取技术的成熟，数据测试量的增大

  优势：相对于基于模型的算法 ，对于模型错配有很强的健壮性

评判电网是否故障的三个标准：

1.信号峰值（时域上）

  预处理：

    （1）高通滤波

    （2）提取区域最大值

    （3）区域最大值排序，只保留大小相差较大数据的较大值（作为一个峰值保存下来）

  统计一个信号的峰值，峰值大于200，大概率异常信号

2.频域分类

  基于DFT系数分类，但DFT矩阵计算量过大，需要减少数量级

  预处理：

  给DFT矩阵每一行计算MI值，只使用MI值最高的那几行（总数的1%）

  计算好的DFT系数，作为CNN的输入，进行特征提取，给该信号一个为异常信号的权重

3.时域分类器

  将原始数据分为m块，每块长度为l

  对于每一段数据都用注意机制进行学习（多任务学习）

  该机制会给每个信号一个权重，权重越大，信号为异常信号的概率越大

结合三个标准，最终逻辑回归，得出该信号的类型

原文章