一种变压器状态故障类型预测方法、系统、介质及设备

    公开(公告)号:CN118709041A

    公开(公告)日:2024-09-27

    申请号:CN202410810857.3

    申请日:2024-06-21

    摘要: 本发明公开了一种变压器状态故障类型预测方法、系统、介质及设备,方法包括:根据多台变压器的历史数据,获取多维数据集;应用人工神经网络提取多维数据集的多维数据特征,获取特征向量;将所述特征向量作为输入,利用随机配置网络进行分类,预测变压器故障类型;使用深度强化学习进行自我学习和迭代优化,学习到训练人工神经网络和随机配置网络最优的策略,提高预测变压器故障类型的准确性。本发明使用深度强化学习,让深度学习强大的特征提取和强化学习的交互学习能力相结合的优势,使激励模型在较弱的奖励反馈信号下学习更多的本质特征,有望具有更好的学习能力和鲁棒性。

    一种高压断路器的监控方法
    39.
    发明公开

    公开(公告)号:CN115833028A

    公开(公告)日:2023-03-21

    申请号:CN202211598016.8

    申请日:2022-12-12

    IPC分类号: H02H1/00 G06F17/10

    摘要: 本发明实施例提供一种高压断路器的监控方法,属于高压断路器监控领域。包括获取高压断路器的分合闸动作数据;对所述分合闸动作数据进行预处理,以形成测试数据;根据所述测试数据,计算出所述高压断路器的分合闸动作预测值。本发明提供的一种高压断路器的监控方法通过获取历史的分合闸数据,再对分合闸数据进行预处理形成测试数据,根据该测试数据,即可对高压断路器的分合闸动作的相关数据进行预测,对该预测值进行分析,即可判断高压断路器下一次分合闸动作状态和特性,以此实现对高压断路器分合闸状态的实时监控,进而保障了高压断路器分合闸过程中安全,提高了电网运行的可靠性。