【技术实现步骤摘要】
本专利技术涉及机器学习，具体涉及一种消防管网故障反演模型训练方法。
技术介绍
1、换流站作为重要的电力输送和转换设施，保障消防管网正常运行对及时扑灭换流站火灾至关重要。由于运行环境恶劣，消防管网存在诸多典型故障，如管网堵塞、泄漏、阀门失灵等。传统的故障诊断方法一般是依赖人工巡检和经验判断，效率低且容易出现漏检和误判情况。
2、在相关技术中，硕士论文“船舶消防管路破损仿真与泄漏定位方法研究，吴凯”中提出了利用神经网络实现船舶消防管路泄漏定位，但这种基于神经网络的管网故障诊断模型，要求采用大量数据来满足复杂的计算，模型的准确性和可靠性高度依赖输入数据的质量，如果数据源不可靠或者数据不完整，模型的泛化能力以及准确度会受到很大的影响，这使得在实际应用过程中故障诊断的操作和维护成本非常高。
3、在公布号为cn111860630a的专利申请文献中提出了一种基于特征重要性的模型建立方法，该方案中通过初始化特征数据；对特征数据进行抽样，形成若干组特征数据组合，每组特征数据组合作为一个子模型；设置每一组特征模型的模型参数；每一组特...
【技术保护点】
1.一种消防管网故障反演模型训练方法，其特征在于，所述方法包括：
2.如权利要求1所述的消防管网故障反演模型训练方法，其特征在于，所述收集正常状态下和故障状态下消防管网的运行状态数据，包括：
3.如权利要求1所述的消防管网故障反演模型训练方法，其特征在于，在所述收集正常状态下和故障状态下消防管网的运行状态数据之后，所述方法还包括：
4.如权利要求1所述的消防管网故障反演模型训练方法，其特征在于，在所述基于所述运行状态数据，构建以数据统计特征为基础的特征指标之后，所述方法还包括：
5.如权利要求1所述的消防管网故障反演模型...
【技术特征摘要】
1.一种消防管网故障反演模型训练方法，其特征在于，所述方法包括：
2.如权利要求1所述的消防管网故障反演模型训练方法，其特征在于，所述收集正常状态下和故障状态下消防管网的运行状态数据，包括：
3.如权利要求1所述的消防管网故障反演模型训练方法，其特征在于，在所述收集正常状态下和故障状态下消防管网的运行状态数据之后，所述方法还包括：
4.如权利要求1所述的消防管网故障反演模型训练方法，其特征在于，在所述基于所述运行状态数据，构建以数据统计特征为基础的特征指标之后，所述方法还包括：
5.如权利要求1所述的消防管网故障反演模型训练方法，其特征在于，所述相关性系数的计算公式为：
6.如权利要求1所述的消防管网故障反演模型训练方法，其特征在于，所述耦合模型包括依次连接的支持向量机子模型、逻辑回归子模型和梯度提升树，其中...
【专利技术属性】
技术研发人员：张佳庆，黄玉彪，丁彦铭，胡俊杰，丁国成，王刘芳，过羿，尚峰举，章彬彬，祝现礼，付贤玲，何旸，
申请(专利权)人：国网安徽省电力有限公司电力科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。