[发明专利]基于磁场传感器数据和机器学习方法的局部放电辨识方法

权利要求书

1.基于磁场传感器数据和机器学习方法的局部放电辨识方法，其特征在于，包括如下步骤：

步骤一、数据获取，获取磁场传感器的局部放电数据，将局部放电数据的采样点作为不同纬度的数据特征；

步骤二、获取到局部放电数据的波形后，对波形进行滤波处理并打上数据标签；

步骤三、对数据进行降维可视化处理，将各局部放电数据的波形分割开；

步骤四、对已分割的局部放电数据的波形进行分类器模型的训练与验证，评估分类结果并优化模型，通过训练完成的分类器模型进行局部放电的辨识。

2.如权利要求1所述的基于磁场传感器数据和机器学习方法的局部放电辨识方法，其特征在于，所述步骤二中采用椭圆滤波器对波形进行滤波处理。

3.如权利要求1所述的基于磁场传感器数据和机器学习方法的局部放电辨识方法，其特征在于，所述步骤三中采用PCA或T-SNE算法对数据进行降维可视化处理。

4.如权利要求1所述的基于磁场传感器数据和机器学习方法的局部放电辨识方法，其特征在于，所述分类器模型采用决策树模型、线性判别模型、朴素贝叶斯分类器模型、SVM分类器模型或KNN分类器模型其中之一。

5.如权利要求1所述的基于磁场传感器数据和机器学习方法的局部放电辨识方法，其特征在于，所述步骤四中采用调节误分类代价矩阵系数的方式优化模型。

6.基于磁场传感器数据和机器学习方法的局部放电辨识系统，其特征在于，包括：

数据获取模块，用于获取磁场传感器的局部放电数据，将局部放电数据的采样点作为不同纬度的数据特征；

预处理模块，用于获取到局部放电数据的波形后，对波形进行滤波处理并打上数据标签；

降维模块，用于对数据进行降维可视化处理，将各局部放电数据的波形分割开；

训练模块，用于对已分割的局部放电数据的波形进行分类器模型的训练与验证，评估分类结果并优化模型，通过训练完成的分类器模型进行局部放电的辨识。

7.如权利要求6所述的基于磁场传感器数据和机器学习方法的局部放电辨识系统，其特征在于，所述预处理模块采用椭圆滤波器对波形进行滤波处理。

8.如权利要求6所述的基于磁场传感器数据和机器学习方法的局部放电辨识系统，其特征在于，所述降维模块采用PCA或T-SNE算法对数据进行降维可视化处理。

9.如权利要求6所述的基于磁场传感器数据和机器学习方法的局部放电辨识系统，其特征在于，所述分类器模型采用决策树模型、线性判别模型、朴素贝叶斯分类器模型、SVM分类器模型或KNN分类器模型其中之一。

10.如权利要求6所述的基于磁场传感器数据和机器学习方法的局部放电辨识系统，其特征在于，所述训练模块采用调节误分类代价矩阵系数的方式优化模型。