[发明专利]基于自适应增强学习的主变压器故障诊断方法在审
| 申请号： | 201910243757.6 | 申请日： | 2019-03-28 |
| 公开（公告）号： | CN110286161A | 公开（公告）日： | 2019-09-27 |
| 发明（设计）人： | 吴琼;李红云;张万才;朱庆超;王兴勋;胡军;赵根;吴阳;何金良;庄池杰 | 申请（专利权）人： | 清华大学;北京国网富达科技发展有限责任公司 |
| 主分类号： | G01N30/02 | 分类号： | G01N30/02 |
| 代理公司： | 天津市尚仪知识产权代理事务所(普通合伙) 12217 | 代理人： | 高正方 |
| 地址： | 100084*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明为基于自适应增强学习的主变压器故障诊断方法,包括模型参数确定部分，实施预测部分，其特征在于，通过在分类过程中对错误记录进行收集及重新分类的自适应学习，提高了该诊断方法的准确率，并消除了一般分类方法中出现的过拟合现象。其有益效果是：利用变压器台账数据、油色谱历史数据、故障分析报告等数据进行模型学习和训练，建立主变压器油色谱诊断机器学习模型；对当前设备数据进行相应的诊断分析，根据历史模型得到相应的设备当前状态指标及预计故障模式。 | ||
| 搜索关键词： | 主变压器 故障诊断 油色谱 自适应 故障分析报告 自适应学习 错误记录 分类过程 故障模式 历史模型 历史数据 模型参数 模型学习 设备数据 台账数据 诊断分析 诊断机器 状态指标 分类 准确率 拟合 学习 变压器 诊断 预测 | ||
【主权项】：
1.一种基于自适应增强学习的主变压器油色谱分析诊断方法，包括模型参数确定部分，实施预测部分，其特征在于，在参数确定部分中，获得初始训练集，所述训练集中包括变压器设备台账数据、油色谱历史数据、故障分析报告，基于初始训练集进行自适应增强学习，在所述参数确定部分中，包括分类步骤、调整步骤、加权步骤、分析步骤，所述分类步骤、调整步骤依次交替往复进行多次，然后依次进行加权步骤、分析步骤，在实施预测部分，对于少量分析数据，直接利用已有的自适应增强学习模型进行学习及预测，快速得到分析结果，对于大量分析数据，按照标准的自适应增强学习过程，经过参数确定部分进行学习及预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学;北京国网富达科技发展有限责任公司，未经清华大学;北京国网富达科技发展有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910243757.6/，转载请声明来源钻瓜专利网。
