[发明专利]现场开工条件自动判断与决策的方法、装置、设备及介质

权利要求书

1.一种现场开工条件自动判断与决策的方法，其特征在于，包括：

获取电力设备中的特征参数；

将所述特征参数进行归一化处理，作为待测样本；

将所述待测样本输入预先建立的主动学习SVM分类模型，获得现场开工条件的分类结果；

根据所述分类结果决策现场开工。

2.根据权利要求1所述的现场开工条件自动判断与决策的方法，其特征在于，所述特征参数包括电路设备的带电状况、断路器与隔离开关的连接情况、继电保护装置和控制电源设备的运行状态。

3.根据权利要求1所述的现场开工条件自动判断与决策的方法，其特征在于，还包括建立主动学习SVM分类模型，所述建立主动学习SVM分类模型包括：

将所述特征参数进行归一化处理，获取训练SVM分类器的候选集；

判断所述候选集内是否存在未标注样本；

若存在所述未标注样本，则根据采样策略寻找最优样本并标注，将标注后的所述最优样本加入最优训练集，利用所述最优训练集训练SVM分类器，获得多种最优SVM分类器，判断所述最优SVM分类器分类的准确率是否达到预设的阈值，所述预设的阈值为80％，若否，则将分类结果加入所述候选集，若是，则结束学习，并输出主动学习SVM分类模型；

若不存在所述未标注样本，则结束学习，并输出主动学习SVM分类模型。

4.根据权利要求3所述的现场开工条件自动判断与决策的方法，其特征在于，所述利用所述最优训练集训练SVM分类器，包括：

利用临近算法对所述最优训练集进行划分，其中，利用欧式距离计算对象间距离来作为各个对象之间的非相似性指标；

利用LSTM对划分后的最优训练集进行训练，获得多种所述最优SVM分类器。

5.根据权利要求4所述的现场开工条件自动判断与决策的方法，其特征在于，所述最优SVM分类器包括运行状态的SVM分类器、热备用状态的SVM分类器、冷备用状态的SVM分类器以及检修状态的SVM分类器。

6.一种现场开工条件自动判断与决策的装置，其特征在于，包括：

特征参数获取模块，用于获取电力设备中的特征参数；

数据预处理模块，用于将所述特征参数进行归一化处理，作为待测样本；

待测样本分类模块，用于将所述待测样本输入预先建立的主动学习SVM分类模型，获得现场开工条件的分类结果；

现场开工决策模块，用于根据所述分类结果决策现场开工。

7.根据权利要求6所述的现场开工条件自动判断与决策的装置，其特征在于，所述待测样本分类模块，包括：

候选集获取单元，用于将所述特征参数进行归一化处理，获取训练SVM分类器的候选集；

未标注样本判断单元，用于判断所述候选集内是否存在未标注样本；

第一处理单元，用于若存在所述未标注样本，则根据采样策略寻找最优样本并标注，将标注后的所述最优样本加入最优训练集，利用所述最优训练集训练SVM分类器，获得多种最优SVM分类器，判断所述最优SVM分类器分类的准确率是否达到预设的阈值，所述预设的阈值为80％，若否，则将分类结果加入所述候选集，若是，则结束学习，并输出主动学习SVM分类模型；

第二处理单元，用于若不存在所述未标注样本，则结束学习，并输出主动学习SVM分类模型。

8.根据权利要求7所述的现场开工条件自动判断与决策的装置，其特征在于，所述第一处理单元，包括，

最优训练集划分单元，用于利用临近算法对所述最优训练集进行划分，其中，利用欧式距离计算对象间距离来作为各个对象之间的非相似性指标；

最优分类器训练单元，用于利用LSTM对划分后的最优训练集进行训练，获得多种最优SVM分类器。