
基本信息:
- 专利标题: 换流阀组件状态预测方法、装置、设备、介质和产品
- 申请号:CN202311265387.9 申请日:2023-09-27
- 公开(公告)号:CN117313533A 公开(公告)日:2023-12-29
- 发明人: 李阳 , 刘志强 , 徐宏争 , 王金玉 , 李有有 , 郗家峰 , 李强 , 薛佳琦 , 杨礼太 , 封常贤
- 申请人: 中国南方电网有限责任公司超高压输电公司大理局
- 申请人地址: 云南省大理白族自治州大理市经济开发区富海路185号
- 专利权人: 中国南方电网有限责任公司超高压输电公司大理局
- 当前专利权人: 中国南方电网有限责任公司超高压输电公司大理局
- 当前专利权人地址: 云南省大理白族自治州大理市经济开发区富海路185号
- 代理机构: 华进联合专利商标代理有限公司
- 代理人: 周旋
- 主分类号: G06F30/27
- IPC分类号: G06F30/27 ; G06F119/02
摘要:
本申请涉及一种换流阀组件状态预测方法、装置、设备、介质和产品。方法包括:获取换流阀组件的电容影响数据、电阻影响数据和电参数波形数据;获取目标状态预测模型,其中,目标状态预测模型通过对训练样本的样本权重迭代更新,并根据样本权重以组合多个初始模型得到,训练样本包括历史特征数据、历史电路数据和历史波形数据;将电容影响数据、电阻影响数据和电参数波形数据输入目标状态预测模型,得到目标预测结果,预测结果至少包括目标电容值、目标电压值或目标故障状态中的至少一种。采用本方法可以将多个独立训练的初始模型的预测结果进行结合,提高模型的稳定性、准确度和对多样性数据的适应能力,还可以提高预测效率、降低成本。
IPC结构图谱:
G06F30/27 | 使用机器学习,例如人工智能,神经网络,支持向量机 |