(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111534507.1 (22)申请日 2021.12.15 (71)申请人 武汉格蓝若智能技 术有限公司 地址 430000 湖北省武汉市东湖新 技术开 发区光谷大道303号光谷 ·芯中心2- 07栋1803-1805室 (72)发明人 王帅　匡林　任波　刘发志　 (74)专利代理 机构 武汉蓝宝石专利代理事务所 (特殊普通 合伙) 42242 代理人 万畅 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/20(2019.01) G06Q 10/06(2012.01) G06Q 10/00(2012.01)G06Q 50/06(2012.01) (54)发明名称 一种电压互感器误差状态迭代评估方法及 系统 (57)摘要 本发明提供一种电压互感器误差状态迭代 评估方法及系统， 该方法包括以下步骤： S1， 将电 压互感器的状态评估数据集进行矫正预处理后 作为训练集； S2， 根据训练集， 通过网格搜索的方 式寻找划分分类叶子节点的最优超参数， 根据最 优超参数训练出的决策树模型作为基本分类器 模型； S3， 利用训练集对基本分类器模型使用集 成学习方式进行迭代， 每次迭代 提高错误分类的 数据权重并将其作为下一次迭代的输入项， 直到 迭代结束， 输出当前电压互感器最终的强分类器 模型， 根据强分类器模型计算出电压互感器的最 终状态结果。 本发明采用集成学习的方式对 CVT 在线评估错误矫正后的数据进行多轮迭代优化 训练模型， 提升 CVT告警、 异常状态的评估准确 度。 权利要求书2页 说明书9页 附图3页 CN 113935440 A 2022.01.14 CN 113935440 A 1.一种电压互感器误差状态迭代评估方法， 其特 征在于， 包括以下步骤： S1， 将电压互感器的状态评估数据集进行矫 正预处理后作为训练集； S2， 根据训练集， 通过网格搜索的方式寻找划分分类叶子节点的最优超参数， 根据最优 超参数训练出的决策树模型作为基本分类 器模型； S3， 预设迭代次数， 利用训练集对所述基本分类器模型使用集成学习方式进行迭代， 每 次迭代提高错误分类的数据权重并将本次迭代结果作为下一次迭代的输入项， 直到迭代结 束， 输出当前电压互感器最终的强分类器模型， 根据强分类器模型计算出电压互感器的最 终状态结果。 2.根据权利要求1所述的方法， 其特征在于， 步骤S1中， 所述将电压互感器的状态评估 数据集进行矫 正预处理， 包括： 将电压互感器的在线检测状态数据与其停电后检测状态数据做核对， 将在线检测状态 数据中识别错误的数据替换为停电后检测状态数据， 重新整合为修正后的数据集， 修正后 的数据集作为训练集。 3.根据权利要求1所述的方法， 其特 征在于， 步骤S2包括： S201， 使用决策树做分类器模型， 根据所述训练集， 寻找最优状态的划分分类叶子节 点； S202， 建立决策树的必要参数， 设定必要参数的阈值范围， 通过网格搜索的方式从阈值 范围中寻找划分分类叶子结点的最优超参数， 根据最优超参数训练决策树分类模型作为基 本分类器模型。 4.根据权利要求3所述的方法， 其特 征在于， 步骤S201包括： 使用决策树做分类 器模型； 获取所述训练集中每条样本数据的多个分类特征参数， 多个所述分类特征参数至少包 括： 修正后的互感器状态、 比差状态、 角差状态、 稳定性状态、 可靠程度状态、 健康状态， 每个 所述分类特征参数可分类的状态类型至少包括： 正常、 异常、 告警， 通过以下公式计算训练 集内全部分类特 征参数的信息熵X：   （1） ，                 （2） ； 其中，i为分类特征参数的数量， k为分类特征参数可分类的状态类型的种类数量， x1、 x2、 x3……xk为每种状态类型分别占训练集的比例， pi为训练集内每个分类特征参数的信息 熵； 根据以下公式计算 其他随机参数 Y的不确定性， 记 做条件熵 ：              （3） ， 其中，n为训练集中样本数据的数量； 根据以下公式计算得到当前分类特 征参数A对训练集 D的信息增益 g(D,A)：                （4） ， 所述信息增益 g(D,A)则是最优状态的划分分类叶子节点， 将信息增益 g(D,A)作为分类权　利　要　求　书 1/2 页 2 CN 113935440 A 2依据给训练集的样本数据分类。 5.根据权利要求3所述的方法， 其特征在于， 步骤S202中， 所述必要参数包括树模型最 大深度、 树分支 最小叶样本和树最大根结点， 分别设定树模型最大深度阈值范围、 树分支 最 小叶样本阈值范围、 树 最大根结点阈值范围。 6.根据权利要求1所述的方法， 其特 征在于， 步骤S3包括： S301， 初始化训练集中样本数据的权值分布， 通过基本分类器模型对训练集的样本数 据进行测试， 得到第 m个基本分类器模型里第n条电压互感器的样本数据权重 ， 根据样 本数据权 重 计算当前基本分类 器模型预测错误的总误差 Gm(x)； S302， 根据当前基本分类器模型预测错误的总误差 Gm(x)计算当前的基本分类器模型 错误权重率 ， 根据当前的基本分类器模型错误权重率 计算当前轮迭代基本分类器模 型的预测错误总误差率系数 ， 根据当前轮迭代基本分类器模型的预测 错误总误差率系 数 更新训练集中样本数据的权值； S303， 将更新后的训练集对下一个基本分类器模型进行训练， 直到迭代次数达到基本 分类器模型的最大 数量； S304， 根据每轮迭代的基本分类器模型准确率 ym与预测错误总误差率系数 输出强分 类器模型G(x)， 使用符号 函数对强分类 器模型G(x)计算得到最终的电压互感器 状态结果。 7.一种电压互感器误差状态迭代评估系统， 其特 征在于， 包括： 数据预处理模块， 用于将电压互感器的状态评估数据集进行矫正预处理后作为训练 集； 基本分类器模块， 用于根据训练集， 通过网格搜索的方式寻找划分分类叶子节点的最 优超参数， 根据最优 超参数训练出的决策树模型作为基本分类 器模型； 强分类器模块， 用于预设迭代次数， 利用训练集对所述基本分类器模型使用集成学习 方式进行迭代， 每次迭代提高错误分类的数据权重并将本次迭代结果作为下一次迭代的输 入项， 直到迭代结束， 输出当前电压互感器最 终的强分类器模 型， 根据强分类器模型计算出 电压互感器的最终状态结果。 8.一种电子设备， 其特征在于， 包括存储器、 处理器， 所述处理器用于执行存储器中存 储的计算机管理类程序时实现如权利要求 1‑6任一项所述的一种电压互感器误差状态迭代 评估方法的步骤。 9.一种计算机可读存储介质， 其特征在于， 其上存储有计算机管理类程序， 所述计算机 管理类程序被处理器执行时实现如权利要求 1‑6任一项所述的一种电压互感器误差状态迭 代评估方法的步骤。权　利　要　求　书 2/2 页 3 CN 113935440 A 3