申请/专利权人：合肥工业大学;国网安徽省电力有限公司亳州供电公司

申请日：2024-01-30

公开（公告）日：2024-04-16

公开（公告）号：CN117648634B

主分类号：G06F18/241

分类号：G06F18/241;G06N3/0442;G06F18/2135;G06F18/25;G01R31/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.03.22#实质审查的生效;2024.03.05#公开

摘要：本发明提供基于时域和频域信息配电网连接金具性能预测方法及系统，方法包括：在时域上构建包含连接金具电阻、连接金具连接处间隔距离以及描述当前天气状态的多维数据集；使用PCA主成分分析法将上述多维数据集进行降维，得到包含关键特征的主成分数据集；对连接金具两端的电流和电压信号进行WT小波变换与FFT快速傅里叶变换融合算法，重构得到关键特征明显的特征数据集；并联主成分数据集、特征数据集，得到所需数据集并输入LSTM长短期记忆网络模型，进而输出连接金具性能的特征集；使用SCNs随机配置网络对特征集进行计算处理，进而输出连接金具的性能情况。本发明解决了依赖人工、金具隐患排除效率低，易导致电气事故及线路故障的技术问题。

主权项：1.基于时域和频域信息配电网连接金具性能预测方法，其特征在于，所述方法包括：S1、在预置时域上，对连接金具的多维参数，构建多维数据集，其中，所述连接金具的多维参数包括：连接金具电阻、连接金具连接处间隔距离以及当前天气状态；S2、使用主成分分析法PCA，降维处理所述多维数据集，以得到关键特征主成分数据集；S3、对所述连接金具两端的电流、电压信号，进行小波变换WT与快速傅里叶变换FFT融合操作，据以重构得到关键特征明显特征数据集；S4、并联处理所述关键特征主成分数据集、所述关键特征明显特征数据集，得到并联数据集，将所述并联数据集输入长短期记忆网络模型LSTM，据以获取并输出连接金具性能特征集；S5、使用随机配置网络SCNs，处理所述连接金具性能特征集，以得到并输出连接金具性能情况信息；所述步骤S5包括：S51、将所述连接金具性能特征集输入所述随机配置网络SCNs，设置随机配置网络SCNs的单隐层前馈网络，据以获取当前残差及隐藏层输出矩阵，以得到随机配置网络输出数据；S52、根据所述随机配置网络输出数据，使用所述连接金具性能特征集作为所述随机配置网络SCNs的训练集，进行训练操作，据以得到并输出所述连接金具性能情况信息；其中，所述步骤S51还包括：S511、利用下述逻辑给定预置特征矩阵F，以及对应所述预置特征矩阵F中第i列特征向量Fi： ，式中，F是预置特征矩阵，Fi对应所述预置特征矩阵F中第i列特征向量，Fi,k是所述预置特征矩阵F第i列第k行；利用下述逻辑，表达相应输出： ，其中： ， 式中，N是样本的数量，表示样本类别的数量，k是特征输入的维度，t为输出分量，表示所述预置特征矩阵F第i列特征向量对应的输出分量，表示特定样本类别中的第i个输出分量，表示第N个样本的输出分量；S512、利用下述逻辑，设置单隐层前馈网络： 式中，是输出权重向量，和分别是输入权重和偏差，，其中，是对应所述预置特征矩阵F第j行第n列的输出权重；是第j个隐藏节点的输出权重向量；nc是表示样本类别的数量，c是输出量区分参数，是一个随机基函数，是前一个连接处间隔距离向量的信号，fL-1F表示有L-1个隐藏节点的单隐藏层前馈网络输入是所述预置特征矩阵F时的输出函数；θ是指定的随机函数生成权值的范围；S513、利用下述逻辑确定当前残差： 式中，eL-1是添加第L个隐藏节点之前的残余误差，eL-1，it中it表示前馈网络中L-1个节点迭代it次的输出向量的残余误差，表示实际值，L是节点数量，为L-1个节点迭代it次后的误差；S514、利用下述逻辑，表示所述预置特征矩阵F的第L个新隐藏节点的激活： 其中，利用下述逻辑，表达当前的所述隐藏层输出矩阵，pL表示第L个给定隐藏节点的输出矩阵，gL表示添加第L个节点时选取的随机基函数，biasL表示对第L个节点时设置的偏差向量，FN同Fi为F第N列，指第L个节点的输入权重向量，表示F对应的L个节点的输出矩阵： ；S515、按照下述逻辑，根据预置变量，对具有以下不等式约束的隐藏参数进行分配操作，以生成新的隐藏节点，并将残差调整为零： 式中，，是一个越来越非负的实数序列，，r表示第L个节点迭代it次后的学习参数的值；S516、利用标准最小二乘法，通过L个所述隐藏节点，处理得到所述随机配置网络输出数据： 式中，是所述隐藏层输出矩阵GL的Moore–Penrose广义逆，表示Frobenius范数，为向量参数。

全文数据：

权利要求：

百度查询： 合肥工业大学;国网安徽省电力有限公司亳州供电公司 基于时域和频域信息配电网连接金具性能预测方法及系统

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