买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京中恒博瑞数字电力科技有限公司

摘要：一种基于机器学习技术的融合式继电保护整定方法，包括构建历史数据集，用模型对历史数据集进行学习，以及用模型选定整定原则进行整定的过程，用模型选定整定原则进行整定的方法是以随机森林模型、K近邻模型、梯度提升决策树模型、XGBoost模型、自适应集成模型、决策树模型和支持相量机模型为基础，通过每个模型分别对所有整定原则进行投票，以上七个模型均借助粒子群算法进行预测准确度，最终在线路整定范围内选定一种预测准确度最高的整定原则进行整定。本发明将七种学习模型进行融合，利用了各个模型中的优势和特点，分别赋予不同的权重进行融合形成了最终的学习模型，使得准确度有一定的提高，而且可以稳定在很小的范围内。

主权项：1.一种基于机器学习技术的融合式继电保护整定方法，包括构建历史数据集，用模型对历史数据集进行学习，以及用模型选定整定原则进行整定的过程，其特征在于：用模型选定整定原则进行整定的方法是以随机森林模型、K近邻模型、梯度提升决策树模型、XGBoost模型、自适应集成模型、决策树模型和支持相量机模型为基础，通过每个模型分别对所有整定原则进行投票，以上七个模型均借助粒子群算法进行预测准确度，最终在线路整定范围内选定一种预测准确度最高的整定原则进行整定，具体步骤包括：a、对以上七个模型随机生成i组权重Pi，记为Pi＝[P1i，P2i，P3i，P4i，P5i，P6i，P7i]式1，式1中，i是大于等于2的整数，P1i代表随机森林模型在第i组中的权重，P2i代表K近邻模型在第i组中的权重，P3i代表梯度提升决策树模型在第i组中的权重，P4i代表XGBoost模型在第i组中的权重，P5i代表自适应集成模型在第i组中的权重，P6i代表决策树模型在第i组中的权重，P7i代表支持相量机模型在第i组中的权重；b、所述的七个模型根据第1组权重P1对线路整定范围内所有的设备分别进行预测，得到对应选择的预测整定原则Vn1，记为Vn1＝[V1n1，V2n1，V3n1，V4n1，V5n1，V6n1，V7n1]式2，式2中，V1n1，V2n1，V3n1，V4n1，V5n1，V6n1，V7n1依次代表随机森林模型、K近邻模型、梯度提升决策树模型、XGBoost模型、自适应集成模型、决策树模型和支持相量机模型在第1组权重下的预测整定原则，并且将预测整定原则Vni与每一个设备Sn实际的整定原则Vn0进行对比，得到在第1组权重P1下的每个模型预测的准确率fSn，记为 式3中，Vn0为第n个设备实际的整定原则，Vni为第n个设备在第i组权重Pi下预测的整定原则，n为正整数，Sn代表第n个设备；c、通过迭代算法对第1组权重P1进行迭代，并且重复步骤a和步骤b，得到在第1组权重P1下的最大准确率预测整定原则Vn1max，并且记录下来最大准确率预测整定原则Vn1max所对应的迭代后的第1组权重，记为Vn1max＝f[MaxVni]式4，d、重复步骤a、b、c，分别得到第2组权重P2、第3组权重P3……第i组权重Pi下的最大准确率预测整定原则Vn2max、Vn3max……Vnimax，再对每一组权重下的最大准确率预测整定原则所对应的准确率进行比较，选取准确率最大的预测整定原则作为线路整定范围内最终的整定原则进行整定。

全文数据：

权利要求：

百度查询： 北京中恒博瑞数字电力科技有限公司 一种基于机器学习技术的融合式继电保护整定方法