申请/专利权人：国网山东省电力公司青岛供电公司

申请日：2023-12-25

公开（公告）日：2024-03-22

公开（公告）号：CN117743986A

主分类号：G06F18/2431

分类号：G06F18/2431;G06F18/2415;G06F18/25;G06F18/213;G06N3/045;G06N3/0464;G06N3/047;G06N3/048;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种基于多模型融合的避雷器缺陷预测方法及系统，所述方法包括：步骤1，输入数据，将输入数据分为训练集和测试集；步骤2，使用CNN模型对训练集进行特征提取；步骤3，通过Attention机制对提取的特征进行权重分配；步骤4，使用测试集对提取的特征进行检测，如果精度不佳，则进行超参数调整，并返回步骤2重新提取特征；步骤5，在LightGBM模型中使用训练集进行训练；步骤6，使用测试集对训练好的模型进行检测，如果精度不佳，则进行超参数调整，并返回步骤5重新训练模型；步骤7，使用MAPE‑RW算法对两模型进行评估，确定最终的预测避雷器缺陷类别。本发明方法能够有效地提高预测的准确性和效率。

主权项：1.一种基于多模型融合的避雷器缺陷预测方法，其特征在于，包括：步骤1，输入数据，包括避雷器的运维数据和环境因素数据，同时将输入数据分为训练集和测试集；步骤2，使用CNN模型对训练集进行特征提取；步骤3，通过Attention机制对提取的特征进行权重分配，以确定每个特征的重要性；步骤4，使用测试集对提取的特征进行检测，如果检测到高精度，则进行避雷器缺陷类别的预测；如果精度不佳，则进行超参数调整，并返回步骤2重新提取特征；步骤5，在LightGBM模型中使用训练集进行训练；步骤6，使用测试集对训练好的模型进行检测，如果检测到高精度，则进行避雷器缺陷类别的预测；如果精度不佳，则进行超参数调整，并返回步骤5重新训练模型；步骤7，使用MAPE-RW算法对CNN-Attention模型和LightGBM模型进行评估，确定最终的预测避雷器缺陷类别。

全文数据：

权利要求：

百度查询： 国网山东省电力公司青岛供电公司 一种基于多模型融合的避雷器缺陷预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD