融合否定选择算法和径向基函数的电力设备诊断方法技术

本发明专利技术涉及人工智能技术领域，特别是涉及一种融合否定选择算法和径向基函数的电力设备诊断方法；包括如下步骤：步骤S1，通过否定选择算法对故障数据进行预处理，并分类出不同的故障样本；步骤S2，通过径向基神经网络函数进行机器学习算法，实现配电设备的故障诊断；通过否定选择算法对故障数据进行预处理，并分类出不同的故障样本，通过径向基神经网络函数进行机器学习，最终实现配电设备的故障诊断。

Power equipment diagnosis method combining negative selection algorithm and radial basis function

【技术实现步骤摘要】
融合否定选择算法和径向基函数的电力设备诊断方法
本专利技术涉及人工智能
，特别是涉及一种融合否定选择算法和径向基函数的电力设备诊断方法。
技术介绍
目前存在的故障诊断方法，总会存在自身的局限性，所以不能单纯的单一诊断技术解决所有的问题。基于专家系统的故障诊断通过学习多专家知识对随机事件进行诊断，但是知识获取困难、知识库更新能力差、多个领域专家知识之间的矛盾难于处理、现有的逻辑理论的表达能力和处理能力有很大的局限性，使得基于规则的专家系统有很大的局限性。基于人工神经网络的故障诊断具备非线性大规模并行分布处理、自组织、自学习能力，但其自身学习需要典型的故障样本，电力设备的故障数据采集困难，且不容易进行故障分类。
技术实现思路
本专利技术的目的是提供一种融合否定选择算法和径向基函数的电力设备诊断方法，通过否定选择算法对故障数据进行预处理，并分类出不同的故障样本，通过径向基神经网络函数进行机器学习，最终实现配电设备的故障诊断。为解决上述技术问题，本专利技术提供了如下技术方案：一种融合否定选择算法和径向基函数的电本文档来自技高网...

【技术保护点】
1.一种融合否定选择算法和径向基函数的电力设备诊断方法，其特征在于，包括如下步骤：/n步骤S1，通过否定选择算法对故障数据进行预处理，并分类出不同的故障样本；/n步骤S2，通过径向基神经网络函数进行机器学习算法，实现配电设备的故障诊断。/n

【技术特征摘要】
1.一种融合否定选择算法和径向基函数的电力设备诊断方法，其特征在于，包括如下步骤：
步骤S1，通过否定选择算法对故障数据进行预处理，并分类出不同的故障样本；
步骤S2，通过径向基神经网络函数进行机器学习算法，实现配电设备的故障诊断。


2.根据权利要求1所述的融合实值否定选择算法和径向基函数网络的电力设备预测性维护方法，其特征在于，步骤S1包括如下步骤：
步骤S101，将自体样本S进行归一化处理，产生随机样本X；
步骤S102，计算随机样本中的不定半径的实值向量检测器与每个检测器DI的欧式距离Dd；
步骤S103，当欧氏距离Dd大于检测器检测半径时，计算随机样本X与每个自体样本Si的欧式距离d；
步骤S104，计算d的最小距离min_d；
步骤S105，如果最小距离min_d大于自体半径rs时，执行步骤S106；如果最小距离min_d小于自体半径rs时，执行步骤S1...

【专利技术属性】
技术研发人员：张述杰，王建训，黄凯，苗军，高明，孙振，路玉军，朱民强，李尧，李帅，赵晓东，郭路宣，刘华玲，
申请(专利权)人：国网山东省电力公司淄博供电公司，
类型：发明
国别省市：山东;37