一种考虑样本不平衡性的运行可靠性智能评估方法

    公开(公告)号:CN117689098A

    公开(公告)日:2024-03-12

    申请号:CN202311449819.1

    申请日:2023-11-02

    申请人: 重庆大学

    摘要: 本发明公开一种考虑样本不平衡性的运行可靠性智能评估方法,包括以下步骤:1)获取电力系统在不同状态下的神经网络训练样本集;2)基于切负荷基础样本集,训练生成对抗神经网络;3)利用对抗神经网络生成切负荷新增样本集;基于切负荷基础样本集和切负荷新增样本集,构建切负荷扩充样本集;4)以正常状态样本集和切负荷扩充样本集作为训练集,利用基于注意力机制的神经网络学习方法训练生成最小切负荷计算神经网络;5)利用最小切负荷计算神经网络进行电力系统运行可靠性评估。发明通过精准扩充切负荷样本和基于注意力的学习方法,构建电力系统运行可靠性智能评估智能体,提升运行可靠性在线评估能力。

    二次设备可靠性评估方法
    58.
    发明公开

    公开(公告)号:CN116050153A

    公开(公告)日:2023-05-02

    申请号:CN202310069394.5

    申请日:2023-02-06

    摘要: 本发明提供了一种二次设备可靠性评估方法,属于二次设备评估技术领域。包括:构建二次设备可靠性评估集成模型,所述集成模型包括多个并行的个体判别器,所述个体判别器利用正常二次设备的运行数据进行训练,所述个体判别器训练的优化目标为最小化输入输出数据的重构误差;优化二次设备可靠性评估集成模型,剔除准确率较低的所述个体判别器,获得最优集成模型;将二次设备当前运行数据输入最优集成模型进行可靠性评估。本发明利用Bagging集成学习方法生成并行多个基础模型,综合多个个体判别器的判定结果来进行二次设备故障判定,能够提高模型整体的稳定性;并且本发明还通过集成模型优化方法对集成模型进行优化,能够提高二次设备可靠性评估的准确度。