一种基于强化学习的配电变压器经济运维方法

    公开(公告)号:CN116128153A

    公开(公告)日:2023-05-16

    申请号:CN202310243797.7

    申请日:2023-03-14

    Applicant: 重庆大学

    Abstract: 本发明提出了一种基于强化学习的配电变压器经济运维方法,主要步骤为:1)从配电变压器在线运行数据和基础信息中提取配电变压器的多维特征;2)在配电变压器运行状态多维感知基础上,建立基于数据驱动的配电变压器运行状态评估及态势预测模型;3)通过DQN算法训练智能体与配电变压器交互的强化学习过程,得到配电变压器维护策略优化模型;4)将该台配电变压器运行状态的预测结果构建成状态信息输入到配电变压器维护策略优化模型中,得到预测性维护决策序列。本发明具有较好的通用性和应用性,适用于油浸式配电变压器和干式配电变压器,能够得到预测性维护决策序列,为配电运维人员实施更加客观和准确的主动维护提供指导。

    一种快速局部约束低秩编码的图像分类方法

    公开(公告)号:CN105184298B

    公开(公告)日:2018-10-19

    申请号:CN201510534124.2

    申请日:2015-08-27

    Applicant: 重庆大学

    Inventor: 范敏 王芬 杜思远

    Abstract: 本发明公开了一种快速局部约束低秩编码的图像分类方法,该方法分字典学习部分、训练部分和测试部分。字典学习部分是根据数据集提取的所有SIFT特征学运用到k‑menas方法聚类或其他字典学习方法得到相应的字典。训练部分选取每个数据集每类中的部分图像作为训练图像,然后针对这些图像的标签学习每个类别对应的低秩表示,经过SPM量化得到经过SVM分类训练得到类别标签和特征表示矩阵对应的核函数。测试部分以每个数据库中剩余的所有图像作为待分类的测试图像,针对任意一张不知类别的图像,首先提取SIFT特征,然后求得其在字典下的低秩编码矩阵,经过SPM量化得到最终的特征表示矩阵,将其输入训练部分得到的SVM分类器,从而得到该图像所属类别。

Patent Agency Ranking