← 返回列表
基于储备池计算的小样本变压器局部放电模式识别方法
摘要文本
针对变压器局部放电信号数据量较少的现实问题，本发明设计了基于储备池计算的小样本变压器局部放电模式识别方法，将下一代储备池计算(Next Generation Reservoir Computing，储备池计算)运用到了静态的局部放电模式识别当中。首先，提取局部放电信号VMD‑Hilbert边际谱图像的图像Hu矩特征作为特征向量的线性部分；其次，利用低阶多项式构造出特征向量的非线性部分；最后，训练得到输出权重矩阵的参数，并对测试集进行分类性能比较。本发明的方法没有复杂的神经网络结构，其所需要设置的参数较少，结构简单，对学习率不敏感，适合于小样本的数据集，而且，其只需要非常小的运算量即可得到较理想的分类效果。
申请人信息
- 申请人:华北电力大学(保定)
- 申请人地址:071003 河北省保定市莲池区永华北大街619号
- 发明人: 华北电力大学(保定)
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于储备池计算的小样本变压器局部放电模式识别方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202310542406.1 |
| 申请日 | 2023/5/10 |
| 公告号 | CN117473289A |
| 公开日 | 2024/1/30 |
| IPC主分类号 | G06F18/213 |
| 权利人 | 华北电力大学(保定) |
| 发明人 | 朱永利; 欧蓉姗 |
| 地址 | 河北省保定市莲池区华北电力大学二校区 |
专利主权项内容
1.基于储备池计算的小样本变压器局部放电模式识别方法，其特征在于：包括以下步骤：步骤S110：ICEEMDAN分解：使用ICEEMDAN算法分解采集到的局部放电信号，得到n个模态分量；步骤S120：基于Hu矩的局部放电边际谱图像特征提取：图像矩特征能够很好的用来描述整个图像，常被用来进行图像的特征提取，图像不变矩是高度浓缩的图像特征，具有平移、灰度、尺度、旋转不变性，常用的矩特征有Hu不变矩和Zernike矩，本发明方法选用Hu矩，即提取每个样本的ICEEMDAN-Hilbert边际谱的七个不变矩作为样本的特征。；步骤S130：利用低阶多项式构造特征向量的非线性部分，并将与线性特征构造新的特征向量；步骤S140：带L2正则化的Softmax回归。