一种励磁涌流的机器学习识别方法
公开
摘要
本发明涉及一种励磁涌流的机器学习识别方法，属于电力技术领域。一种励磁涌流的机器学习识别方法，该方法包括以下步骤：S1：励磁涌流与故障电流分析；S2：建立PSO‑SVM故障识别模型；S3：基于PSO‑SVM模型仿真分析。本发明基于故障波形和励磁涌流的特征，提取最大值，最小值，平均值等7个特征量作为支持向量机的输入向量，同时采用粒子群算法(PSO)优化支持向量机的参数，从而准确识别励磁涌流，为变压器的稳定运行提供了故障检测依据。PSO‑SVM识别模型都能获得颇高的分类准确率，提高了变压器差动保护的可靠性。
基本信息
专利标题 ：
一种励磁涌流的机器学习识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114564895A
申请号 ：
CN202210223236.6
公开（公告）日 ：
2022-05-31
申请日 ：
2022-03-09
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
段盼杨作红何娅张奔张连芳时英桥刘峰佚
申请人 ：
重庆邮电大学
申请人地址 ：
重庆市南岸区黄桷垭崇文路2号
代理机构 ：
北京同恒源知识产权代理有限公司
代理人 ：
廖曦
优先权 ：
CN202210223236.6
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06N20/10 G06N3/00
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-05-31 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
