[发明专利]利用机器学习预测电气参数的方法及装置

权利要求书

1.一种利用机器学习预测电气参数的方法，其特征在于，包括：

组成步骤，依次获取待预测对象的动作执行诊断结果A₁、A₂、……、A_m并组成矩阵，矩阵的列数为m；m为正整数；

重构步骤，当m达到或超过预定值M时，如果再获取到待预测对象的动作执行诊断结果A_m+1，则根据A_m+1对矩阵进行重构，使矩阵列数保持为M；M为正整数；

数据步骤，从重构后的矩阵中得到重构数据；

训练步骤，利用重构数据，给定电气参数标签并进行神经网络训练，得到符合预期的神经网络；

预测步骤，对需要预测电气参数的待预测对象，通过组成步骤、重构步骤、数据步骤得到新的重构数据，并将新的重构数据输入符合预期的神经网络得到最终诊断结果；

所述组成步骤中，

为正整数；

则组成的矩阵为：

所述重构步骤，具体为：

当m达到预定值M时，如果再获取到待预测对象的动作执行诊断结果A_m+1，

则设定向量L₁＝[S₁₁，S₁₂，……S_1m]；向量L₂＝[S₂₁，S₂₂，……S_2m]，……，向量L_n＝[S_n1，S_n2，……S_mn]；

对向量L₁进行重构的方法为：

设定向量L₁’＝[S₁₁，S₁₂，……S_1m，S_1(m+1)]；

将向量L中每一个诊断值表示为L₁[i]，i∈[1，m]；

将向量L’中每一个诊断值表示为L₁’[i]，i∈[1，m+1]；

使重构后的向量R₁中每一个诊断值R₁(i)＝a_i*L₁’[i]+b_i*L₁’[i+1]，i∈[1，M]，其中ai，bi满足：

当i＝1时，a_i＝1，b_i＝(M+1)/M-1；

当i＞1时，a_i＝1-b_i-1，b_i＝(M+1)/M-a_i；

采用重构向量L₁的方法分别对向量L₂、L₃、……、L_n进行重构，分别得到R₂、R₃、……、R_m；

根据R₁、R₂、……、R_m得到重构后的矩阵。

2.根据权利要求1所述的利用机器学习预测电气参数的方法，其特征在于，所述待预测对象为继电器。

3.根据权利要求1所述的利用机器学习预测电气参数的方法，其特征在于，所述电气参数为电气寿命。

4.根据权利要求1所述的利用机器学习预测电气参数的方法，其特征在于，所述训练步骤中，神经网络训练所使用的神经网络模型为CNN、RNN或LSMT。