一种基于Blending集成学习的短期负荷预测方法

    公开(公告)号:CN110472778A

    公开(公告)日:2019-11-19

    申请号:CN201910690227.6

    申请日:2019-07-29

    Abstract: 本发明涉及一种基于Blending集成学习的短期负荷预测方法,包括步骤:1、数据预处理;2、将数据分为训练集、验证集、测试集;3、搭建两层Blending模型,第一层模型选择学习能力、预测性能优秀的多个不同模型作为初学习器,第二层选择XGBoost模型作为次学习器,并再将训练集、验证集以HOLD-OUT方法分成两部分,第一部分数据集作为第一层模型的训练数据,将训练好的优秀模型分别预测第二部分数据集和步骤2中的测试集;4、将步骤3中预测的输出作为一个新的数据集,来训练XGBoost模型;5、调整XGBoost模型超参数,使其达到最好的效果得到预测结果。与现有技术相比,本发明具有更好的泛化能力,比单一模型具有更好的自适应能力及更高的精度。

    基于奇异值分解和改进小波包局部放电信号时间估计方法

    公开(公告)号:CN113283297A

    公开(公告)日:2021-08-20

    申请号:CN202110426724.2

    申请日:2021-04-20

    Abstract: 本发明涉及一种基于奇异值分解和改进小波包局部放电信号时间估计方法。包括:1)使用特高频传感器获得含有混合噪声的GIS实际局放特高频信号,并构建相应的数学模型;2)将获得的局放信号构造为Hankel矩阵,并对该矩阵进行奇异值分解;3)通过支持向量机选取合理的奇异值阈值,实现对实测局放信号中的窄带干扰的滤除,得到只含有白噪声的局放信号;4)使用基于改进小波包阈值去噪方法,设置合理的分解层数和阈值函数,将步骤3)得到的局放信号中的白噪声滤除,得到较为纯净的GIS局放信号;5)根据去噪后的GIS信号的短时能量变化,得出局部放电的起始时间。本发明方法能够准确地得出局部放电起始时间,满足后续对GIS局放信号的定位和模式识别的要求。

Patent Agency Ranking