公开(公告)号：CN109031057A

公开(公告)日：2018-12-18

申请号：CN201810616706.9

申请日：2018-06-15

Applicant: 华北电力大学(保定)

Inventor： 高佳程 ,  朱永利

IPC: G01R31/12

CPC classification number: G01R31/1227

Abstract: 本发明公开了一种电气一次设备局部放电类型的模式识别方法。该方法以相关向量回归一变量预测模型(RVM‑VPMCD)对局部放电样本进行放电类型的识别。首先，采集局部放电样本构成样本集合，对每个样本进行特征提取，生成相应的特征向量；然后，以RVM回归替代VPMCD中的多项式响应面回归，利用训练样本构建各种放电类型相应的变量预测模型(VPM)；最后，依次利用构建好的各类放电的VPM对每个测试样本进行预测，所得预测误差最小的VPM对于的放电类型即判定为该测试样本的放电类型。RVM‑VPMCD方法充分考虑了样本各个特征值之间的相互关联，又克服了VPMCD方法对高维数据的处理能力差的缺陷，提高了该种模式识别方法对样本类型的识别精度，具有很好的小样本数据的识别能力。

公开(公告)号：CN109030790A

公开(公告)日：2018-12-18

申请号：CN201810951302.5

申请日：2018-08-21

Applicant: 华北电力大学(保定)

Inventor： 高佳程 ,  朱永利

IPC: G01N33/28 ,  G01R31/00 ,  G01R31/12 ,  G06K9/62

CPC classification number: G01N33/2835 ,  G01N33/2841 ,  G01R31/00 ,  G01R31/1281 ,  G06K9/6256 ,  G06K9/6269

Abstract: 本申请公开了一种电力变压器故障诊断方法和装置。该方法在获取电力变压器油中溶解气体含量(DGA)数据后，以支持向量回归‑变量预测模型(SVR‑VPMCD)对故障样本进行故障类型的识别。首先，选取各类气体占总气体含量的比值作为各个特征值，形成相应的特征向量；然后，以SVR替代VPMCD中的多项式响应面回归，利用训练样本构建各种故障类型相应的变量预测模型(VPM)；最后，依次利用构建好的各类故障的VPM对每个测试样本进行预测，所得预测误差最小的VPM对于的故障类型即判定为该测试样本的故障类型。SVR‑VPMCD方法充分考虑了样本各个特征值之间的相互关联，又克服了VPMCD方法对高维数据的处理能力差的缺陷，提高了该种模式识别方法对样本类型的识别精度，具有很好的小样本数据的识别能力。