一种考虑多元因素态势演变的配变迁移学习故障诊断方法

    公开(公告)号:CN109254219B

    公开(公告)日:2019-10-22

    申请号:CN201811396356.6

    申请日:2018-11-22

    IPC分类号: G01R31/00 G06N20/00

    摘要: 本发明提供一种配变迁移学习故障诊断模型,包括:(1)对影响配变运行状态的状态量分为动态状态量、准动态状态量及静态状态量,构建配变运行状态评价指标体系;(2)对指标状态量进行二元量化,利用Apriori算法挖掘其与故障之间的关联关系,提取诱导变压器故障的的关键指标状态量;(3)引入Tanimoto系数,将有效的辅助故障数据迁移至目标配变;(4)利用迁移学习算法TrAdaBoost对目标故障数据与辅助故障数据的权重进行迭代求解,得到配变故障诊断模型,用以进行目标配变的故障诊断。本发明将辅助配变的故障信息迁移至目标配变,较好地解决了配变单体故障数据少给配变故障诊断带来的难题。

    一种基于KNN的配网接地故障原因识别方法

    公开(公告)号:CN108983042A

    公开(公告)日:2018-12-11

    申请号:CN201810824588.0

    申请日:2018-07-25

    IPC分类号: G01R31/08

    摘要: 本发明提供一种基于KNN的配网接地故障原因识别方法,通过人工接地试验或现场实际故障录波获取不同故障原因的零序电流波形数据,提取表征不同故障原因的自恢复性、过渡时间、零休时间、畸变程度、随机程度5项特征参量,形成特征样本库;当故障发生时,计算输入波形的上述特征,采用KNN算法查找其所属原因类别。本发明一方面可通过在故障巡查前聚焦故障原因,从而制定有针对性的巡查方案,大幅提升故障查找效率,减少停电损失;另一方面可准确掌握某一供区配电网故障原因分布规律,制定隐患治理及故障防范措施,促进配电网运维管理精益化水平的提升;且随着故障样本及特征数量的增加,特征样本库将更加完善,识别成功率更高。

    一种供应商分类评级方法、装置、设备及介质

    公开(公告)号:CN118172113A

    公开(公告)日:2024-06-11

    申请号:CN202410344771.6

    申请日:2024-03-25

    摘要: 本发明属于供应商分类评价技术领域,具体公开了一种供应商分类评级方法、装置、设备及介质;本发明运用熵权法和专家打分法分别对供应商数据进行运算,得到第一权重和第二权重并计算综合权重;基于第一权重计算供应商的各环节得分和供应商得分;通过基于海鸥优化算法改进的DBSCAN聚类算法、供应商的各环节得分和供应商得分对供应商进行聚类,基于聚类结果和综合权重,对供应商进行分类评级,获得分类评级结果;将客观方法和主观方法相结合确定各流程环节的权重,以避免主观判断的局限性;采用聚类的机器学习方法对供应商进行评级,客观地对供应商进行评级和分类。