摘要
本发明涉及电流互感器技术领域,特别涉及电流互感器的自动智能补偿方法及系统,方法包括将电流互感器的工作参数输入到第一机器学习模型,输出饱和度,获取特定特征,将温度数据、饱和度和特定特征输入至第二机器学习模型,输出电流补偿量,对电流互感器本体内的补偿绕组进行电流补偿;通过实时监控和预测电流互感器饱和度的变化,能够更精确地调整补偿电流,从而避免由于饱和度变化导致的测量误差,提高电流互感器在不同工作环境下的准确性与稳定性,通过对特征数据进行相关性分析,去除冗余特征,确保输入至机器学习模型的数据更加精准和高效,不仅提高了预测精度,还能降低计算复杂度,提升系统运行效率。
技术关键词
智能补偿方法
机器学习模型
冗余特征
时序特征
相关系数阈值
电流互感器饱和度
数值
生成时间序列数据
智能补偿系统
电流互感器技术
电流互感器输出
时域特征
频域特征
参数
频率
负载传感器
系统为您推荐了相关专利信息
重金属土壤修复系统
土壤重金属含量
重金属污染程度
数据分析模块
农作物数据采集
深度神经网络模型
长短期记忆网络
攻击预测方法
矩阵
引入注意力机制
负荷预测方法
气象历史数据
预测误差
评估预测模型
训练集数据