-
公开(公告)号:CN109188220B
公开(公告)日:2022-09-09
申请号:CN201811013493.7
申请日:2018-08-31
申请人: 中国电力科学研究院有限公司 , 北京航空航天大学 , 国家电网有限公司 , 国网山西省电力公司
CPC分类号: G01R31/1272 , G01R19/00 , G01R19/02 , G01R19/04
摘要: 本发明提供一种评估电晕电流信号的时域指标的方法和系统,所述方法和系统设置时域指标后,对实际测量的不同电压等级下的电晕电流信号计算时域指标值,并进行归一化后生成指标向量值,然后根据所述时域指标的向量值利用F‑score公式对时域指标进行显著性分析,通过方差贡献率进行合理性分析,通过相关系数的计算并结合F‑score公式计算结果进行时域指标独立性的筛选,再对通过合理性分析以及独立性筛选的指标采用支持向量机进行时域指标分类的有效性分析。所述方法和系统(针对输电线路下电晕电流信号设置统一的时域指标,并从显著性、合理性、独立性及有效性四个方面对电晕电流信号的时域指标进行评估,为后续特高压输电线路电晕电流的研究奠定了理论基础。
-
公开(公告)号:CN109188220A
公开(公告)日:2019-01-11
申请号:CN201811013493.7
申请日:2018-08-31
申请人: 中国电力科学研究院有限公司 , 北京航空航天大学 , 国家电网有限公司 , 国网山西省电力公司
CPC分类号: G01R31/1272 , G01R19/00 , G01R19/02 , G01R19/04
摘要: 本发明提供一种评估电晕电流信号的时域指标的方法和系统,所述方法和系统设置时域指标后,对实际测量的不同电压等级下的电晕电流信号计算时域指标值,并进行归一化后生成指标向量值,然后根据所述时域指标的向量值利用F-score公式对时域指标进行显著性分析,通过方差贡献率进行合理性分析,通过相关系数的计算并结合F-score公式计算结果进行时域指标独立性的筛选,再对通过合理性分析以及独立性筛选的指标采用支持向量机进行时域指标分类的有效性分析。所述方法和系统(针对输电线路下电晕电流信号设置统一的时域指标,并从显著性、合理性、独立性及有效性四个方面对电晕电流信号的时域指标进行评估,为后续特高压输电线路电晕电流的研究奠定了理论基础。
-
公开(公告)号:CN109470905B
公开(公告)日:2022-03-04
申请号:CN201811031404.1
申请日:2018-09-05
申请人: 中国电力科学研究院有限公司 , 北京航空航天大学 , 国家电网有限公司
IPC分类号: G01R19/00
摘要: 本发明公开了一种用于特高压直流输电线电晕电流信号提取的方法及系统,其中方法包括:获取按照给定长度进行截断的多个电压等级下的电晕电流原始数据,生成数据矩阵;根据所述截取的0kV下的电晕电流原始数据的数据矩阵,基于K‑奇异值分解K‑SVD与非负OMP算法,建立与所述截取的0kV下的电晕电流原始数据对应的字典集;采用非负OMP算法,根据所述字典集上的非负稀疏表达系数,建立多个电压等级下的电晕电流原始数据的更新数据矩阵;针对所述新数据矩阵,基于K‑SVD与正交匹配追踪非负OMP算法,获取所述多个电压等级下的电晕电流原始数据对应的总字典集;针对所述总字典集,采用非负OMP算法对原始的电晕电流原始数据进行分解重构,去除背景噪声,获取电晕电流信号。
-
公开(公告)号:CN109470905A
公开(公告)日:2019-03-15
申请号:CN201811031404.1
申请日:2018-09-05
申请人: 中国电力科学研究院有限公司 , 北京航空航天大学 , 国家电网有限公司
IPC分类号: G01R19/00
CPC分类号: G01R19/0092
摘要: 本发明公开了一种用于特高压直流输电线电晕电流信号提取的方法及系统,其中方法包括:获取按照给定长度进行截断的多个电压等级下的电晕电流原始数据,生成数据矩阵;根据所述截取的0kV下的电晕电流原始数据的数据矩阵,基于K-奇异值分解K-SVD与非负OMP算法,建立与所述截取的0kV下的电晕电流原始数据对应的字典集;采用非负OMP算法,根据所述字典集上的非负稀疏表达系数,建立多个电压等级下的电晕电流原始数据的更新数据矩阵;针对所述新数据矩阵,基于K-SVD与正交匹配追踪非负OMP算法,获取所述多个电压等级下的电晕电流原始数据对应的总字典集;针对所述总字典集,采用非负OMP算法对原始的电晕电流原始数据进行分解重构,去除背景噪声,获取电晕电流信号。
-
公开(公告)号:CN116304853A
公开(公告)日:2023-06-23
申请号:CN202211609662.X
申请日:2022-12-14
IPC分类号: G06F18/241 , G06F18/21 , G06N20/00
摘要: 本申请公开了一种极限学习机与特征提取相结合的数据分类方法及系统,其中,方法包括以下步骤:将给定数据集进行优化并划分为训练样本数据集和测试样本数据集;选择k个极限学习机基学习器,基于训练样本数据集,训练各个极限学习机基学习器;计算极限学习机基学习器和训练样本的判别度量;基于判别度量,构建自适应重启策略中的阈值函数,并基于测试样本数据集使用重启式集成正则极限学习机作为分类器,对给定数据集进行分类。本申请解决了现有分类器面对含噪、冗余的复杂数据很难平衡时效性和准确性的问题,该基于重启式集成正则极限学习机与稀疏特征分类的模型,具备时效性、广泛性好,准确度高的优点。
-
-
-
-