-
公开(公告)号:CN117909802A
公开(公告)日:2024-04-19
申请号:CN202311535936.X
申请日:2023-11-15
申请人: 国网湖北省电力有限公司超高压公司 , 许继电气股份有限公司 , 河南许继继保电气自动化有限公司 , 华北电力大学
IPC分类号: G06F18/241 , G06F18/214 , G06F18/25
摘要: 本发明涉及一种基于深度学习的高压断路器故障诊断方法和装置,属于高压断路器技术领域,本发明通过收集高压断路器工况运行数据和对应的高压断路器状态,作为训练数据;构建联合故障诊断模型,包括第一分类模型、第二分类模型和D‑S证据理论,利用训练数据对联合故障诊断模型进行训练;使用训练后的联合故障诊断模型对待测高压断路器进行故障判别,最后得到故障诊断结果,本发明使用多种数据模型对高压断路器进行诊断,综合多种模型的优点有效的提高了诊断精度。
-
公开(公告)号:CN116864037A
公开(公告)日:2023-10-10
申请号:CN202310785450.5
申请日:2023-06-29
申请人: 国网湖北省电力有限公司超高压公司 , 许继电气股份有限公司 , 华北电力大学
IPC分类号: G16C20/70 , G16C20/20 , G06F18/214 , G06F18/243 , G06F18/2413 , G06F18/27 , G06N3/006 , G06N5/01 , G01R31/62 , G01N33/00
摘要: 本发明涉及一种油浸式变压器故障诊断方法,属于电力系统技术领域。本发明首先对采集到的油浸式变压器的故障数据进行处理并划分,然后制定变压器故障状态编码,构建分类回归树弱分类器模型并用加法学习方式训练弱分类器模型,通过使用麻雀搜索算法对分类器参数进行优化得到油浸式变压器的XGBoost故障诊断模型,对待测数据进行预测得到故障诊断结果。本发明使用麻雀搜索算法优化XGBoost模型,结构简单、易于实现,具有较好的全局探索和局部开发能力,在加速XGBoost模型训练的同时,提升了变压器故障诊断的准确性,使维修部门能够及时准确的维护变压器,显著降低油浸式变压器故障的频率,保证了电力系统安全稳定的运行。
-
公开(公告)号:CN117992736A
公开(公告)日:2024-05-07
申请号:CN202410254943.0
申请日:2024-03-06
申请人: 华北电力大学(保定)
IPC分类号: G06F18/10 , G06F18/2431 , G06F18/23213
摘要: 本发明提供了一种基于分类合并的时序数据预处理及预测方法。它包括以下步骤:采集目标领域的原始时序数据;采用VMD分解算法对原始时序数据进行分解,得到n种频率成分的分解信号;针对分解后的n种分解信号,分别采用K‑means算法进行聚类,每种信号分成2类,一共产生2n种组合;对得到的2n类数据进行数据合并,将合并后的数据分别输入预测模型中进行训练,得到可预测不同类别的时序数据预测模型;利用得到的时序数据预测模型对待测数据进行预测,得到预测结果。与传统直接使用K‑means聚类相比,本发明提出的方法,分类准确度更高,基于分类训练出来的预测模型对时序数据的预测精度更高。
-
-