本發明提供了一種基于自組織的模糊小腦模型神經網絡學習的開關柜設備故障預測方法,包括S1:對來自開關柜局部放電檢測數據進行圖譜分析,得到圖譜的特征數據存儲在二維的矩陣,形成M×N的特征輸入,接著采用自相關協方差方法去除原始數據的噪聲并減少輸入數據的維度;S2:建立具有三層映射關系的自組織小腦神經網絡模型;S3:利用李雅普諾夫函數設計該模型的優化學習率;S4:將訓練數據作為模型輸入,對模糊大腦神經網絡模型進行訓練;S5:對當前開關柜局部放電檢測數據執行步驟S1操作,將獲得的數據作為特征輸入,將其輸入模型對開關柜設備故障進行預測;上述方法可實時掌握開關柜的健康狀態,促進電力產業的健康發展。
聲明:
“基于自組織的模糊小腦模型神經網絡學習的開關柜設備故障預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)