基于半监督SVM模型的新能源发电成套电力设备故障诊断方法

AITNT
正文
推荐专利
基于半监督SVM模型的新能源发电成套电力设备故障诊断方法
申请号:CN202411633458
申请日期:2024-11-15
公开号:CN119646642A
公开日期:2025-03-18
类型:发明专利
摘要
本发明涉及基于半监督SVM模型的新能源发电成套电力设备故障诊断方法,通过使用主成分分析方法对电力设备的状态监测数据进行特征提取与分析;针对新能源发电成套电力设备发生故障后,对产生的停用状态进行分析;根据提取的特征和停运状态,诊断新能源发电成套电力设备的故障。本发明利用未标记数据和少量标记数据进行特征提取和选择,然后利用半监督学习算法对模型进行训练和优化。同时本发明通过实验验证和性能评估,能够有效地识别和分类电力设备的故障状态,提高了诊断的准确性和可靠性。对电力设备的故障状态进行了分类和预测。
技术关键词
电力设备故障诊断 半监督学习算法 主成分分析方法 状态监测数据 特征值 指标 度函数 关联规则算法 样本 分析故障 代表 数据项 电力系统 项目 大数据 标记
系统为您推荐了相关专利信息
1
一种基于大数据分析的锂电池异常检测系统
多元逻辑回归模型 异常状态 锂电池 稳定工作状态 电压
2
基于元学习的电网态势自适应推演方法
推演方法 电网历史数据 电网实时数据 学习算法 滑动窗口方法
3
基于云数据平台的电网财务数据管控方法、系统和介质
财务 云数据平台 管控方法 特征值 时间预测模型
4
基于动态口令的电子签章和验证方法及系统
动态口令请求 电子签章 椭圆曲线算法 生物特征数据 生成数字签名
5
健康状态的确定方法和装置、存储介质及电子装置
状态监测数据 识别算法 控制无人机 电子装置 平台
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号