摘要
本发明提供了一种小样本条件下电容式电流互感器剩余使用寿命预测方法,该方法包括步骤:采集电容老化数据和电容式电流互感器检测数据,提取电容老化数据特征以及剩余使用寿命标签,构建宽度学习模型进行训练,并将检测数据特征与剩余使用寿命标签输入该模型进行测试,完善的模型经过测试并应用于实际电力设备中,从而为电力系统提供智能运维支持。该方法能够在数据样本量较少的情况下,通过宽度学习模型有效地对电容式电流互感器的剩余使用寿命进行预测,解决了传统方法依赖大规模数据集训练的不足。此外,模型能够通过少量历史数据进行有效微调,减少了“冷启动”问题,提高了在实际电力设备中的应用效率。
技术关键词
电容老化
互感器
样本
数据
标签
电流
矩阵
拉普拉斯
剩余使用寿命预测
电力设备
节点数
正则化参数
近邻算法
信号
时序
节点特征
处理器
计算机设备
系统为您推荐了相关专利信息
稀土钛酸盐
钙钛矿结构
支持向量回归模型
梯度提升决策树
梯度提升模型
径向基函数神经网络
烟气脱硫系统
状态预测方法
记忆机制
训练集