申请/专利权人：国网上海市电力公司

申请日：2023-12-06

公开（公告）日：2024-03-29

公开（公告）号：CN117786538A

主分类号：G06F18/243

分类号：G06F18/243;G06F18/213;G06N20/20;G06N5/01

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：基于代价敏感改进的CsAdaBoost集成学习算法，属监测领域。使用集成学习算法对实验中测试信号得到的特征值进行分析，建立缺陷诊断模型；引入了代价敏感学习，充分考虑不同类别样本错分代价的差异，将分类算法的学习目标从降低整体误差转换为以降低分类代价；通过改变损失函数优化目标，在保证整体准确率的情况下实现对少数类样本的有效识别。其将CsAdaBoost算法应用于变压器的缺陷诊断过程中，实现变压器设备特征声信号产生位置的精确识别；能够实现特征信号源的快速、准确识别，在保证多数类样本识别精度的前提下，实现对少数类样本的准确识别。可广泛用于电力系统变配电设备的运行监测和保护领域。

主权项：1.一种基于代价敏感改进的CsAdaBoost集成学习算法，包括变压器缺陷的检测和根据测试信号的特征值建立缺陷诊断模型，其特征是：1在实现设备故障异常声纹诊断定位的过程中，基于变压器缺陷实际测试信号的特征值数据，获得诊断模型或缺陷诊断模型；2在不平衡数据分类问题中，充分考虑不同类别样本错分代价的差异，引入代价敏感学习；3通过损失函数优化目标的改变，以实现在保证整体准确率的情况下实现对少数类样本的有效识别；4在原始样本权重更新的基础上，将代价敏感学习引入到样本的权重调整策略中，进一步提高分类错误的少数类样本权重，同时也适当提高分类错误的多数类样本的权重，以避免过分关注少数类样本而引起整体分类代价的攀升；5将CsAdaBoost算法应用于变压器的缺陷诊断过程中，实现变压器设备特征声信号产生位置的精确识别；能够实现特征信号源的快速、准确识别，得到良好的缺陷识别效果。

全文数据：

权利要求：

百度查询： 国网上海市电力公司 基于代价敏感改进的CsAdaBoost集成学习算法

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