一种基于WOA-LSSVM模型的高压配电柜多维数据的状态评估方法

本发明提出了一种基于WOA‑LSSVM模型的高压配电柜多维数据状态评估方法，首先根据高压配电柜的铭牌和人工经验，确定高压配电柜在正常运行状况下的各项重要参数指标，并依据此类参数指标在高压配电柜相对应的位置安装系列传感器，得到相对应的特征数据集；然后利用Fbank与机器学习模型对采集到的数据信息进行处理，得到相对应的特征向量，并按照8:2划分为训练集与测试集；最后构建基于WOA‑LSSVM高压配电柜多维数据的状态评估模型，利用训练集数据进行特征数据的训练学习，掌握自身内部的变化规律，并得到LSSVM模型最优关键参数的大小，将测试集数据进行输入验证模型的可靠性，将实时各种传感器采集到的不同特征数据集与WOA‑LSSVM模型生成的预测值进行对比。