[发明专利]基于机器学习和SVM算法的电子式电压互感器误差状态预测方法

摘要

基于机器学习和SVM算法的电子式电压互感器误差状态预测方法，采集电子式电压互感器误差表征量和影响因素，构建数据模型；采用机器学习算法对SVM模型的惩罚系数C和核参数g进行超参数寻优；根据最优超参数对误差表征量进行建模预测，计算实际误差表征量与预测误差表征量的差值，以平均绝对误差和均方根误差作为预测评估，并用两段数据段进行预测。结果均表明，采用机器学习算法作参数寻优的SVM的误差预测精度高，效果更好，预测结果更接近于实际预测值。本发明方法能够在不停电的状态下，有效预测电子式互感器误差状态曲线走势，为在线监测电子式互感器误差状态提供可参考依据。