← 返回列表
一种基于混合学习方法的断路器老化故障率预测方法
摘要文本
一种基于混合学习方法的断路器老化故障率预测方法，首先，基于断路器的故障统计数据，建立其老化失效可靠性模型。然后，采用变分模态分解方法，将生成的可靠性数据序列分解为预定义数量的可预测子分量和残差分量。接着，将各子分量作为LSTM神经网络训练模型的输入，用于预测预定义视界内断路器的老化失效概率。最后，通过重构子分量可以计算出预测的断路器老化故障率。为了提高LSTM网络的预测性能，引入和声算法对LSTM模型参数进行自适应优化。基于某实际断路器数据进行了数值实验，验证了该方法的有效性和实用性。
申请人信息
- 申请人:中国长江电力股份有限公司
- 申请人地址:430014 湖北省武汉市江岸区三阳路88号三阳中心
- 发明人: 中国长江电力股份有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于混合学习方法的断路器老化故障率预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311272609.X |
| 申请日 | 2023/9/28 |
| 公告号 | CN117494545A |
| 公开日 | 2024/2/2 |
| IPC主分类号 | G06F30/27 |
| 权利人 | 中国长江电力股份有限公司 |
| 发明人 | 孙悦; 李琛; 罗金嵩; 魏扬; 陈博文; 徐晶 |
| 地址 | 湖北省武汉市江岸区三阳路88号三阳中心 |
专利主权项内容
1.一种基于混合学习方法的断路器老化故障率预测方法，其特征在于包括以下步骤：步骤一：建立元件老化失效可靠性模型：高压断路器的老化失效过程满足威布尔分布，因此，累计失效概率和老化失效率表示为：式中，C(t)表示实际年龄为t时的元件累计失效概率；t为元件实际运行年限；λ(t)表示实际年龄为t时的元件老化失效率；β、α分别表示形状参数、尺度参数；ageageageageageage步骤二：建立变分模态分解模型：将输入序列s(t)分解成K个子分量{u}，得到每个子分量的带宽；k步骤三：建立长短期记忆网络模型；步骤四：建立和声搜索算法模型；步骤五：进行断路器老化故障率预测。