摘要
本发明公开了一种变压器状态预测方法、系统及计算机可读存储介质,方法包括:获取变压器运行状态样本;将变压器运行状态样本作为输入,构建基于极限学习机的稀疏自编码模型,消除稀疏自编码模型的隐层输出的随机性;构建基于稀疏自编码模型的模块化差分学习的变压器数据驱动模型,获取隐层抽象特征及对应的差分特征并重构变压器运行状态样本;根据重构的变压器运行状态样本,利用局部可解释性方法增加变压器数据驱动模型的可解释性,获取最优变压器可解释数据驱动模型;应用最优变压器数据驱动模型预测变压器状态,本发明能够提高电力系统的可靠性和安全性。
技术关键词
变压器运行状态
变压器状态预测方法
数据驱动模型
样本
线性回归模型
极限学习机
编码
单隐层神经网络
正则化参数
矩阵
可读存储介质
层级
梯度下降算法
超参数
重构误差
模块
计算机
系统为您推荐了相关专利信息
特征提取模型
篡改检测方法
图片
局部细节特征
数据收集方法
PID算法
气动控制系统
滤波算法
PID控制算法
滤除背景噪声
优化超声图像
一维卷积神经网络
非酒精脂肪肝
超声信号
便携式智能