(19)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 202211054190.6 (22)申请日 2022.08.31 (71)申请人 中铁第四勘察设计院集团有限公司 地址 430063 湖北省武汉市杨园和平大道 745号 (72)发明人 张雷　张华志　熊康龙　王天兵　 吕文利　高黎明　 (74)专利代理 机构 武汉东喻专利代理事务所 (普通合伙) 42224 专利代理师 纪元 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种基于Stacking学习的电缆故障诊断方 法、 系统及设备 (57)摘要 本申请公开了一种基于Stacking学习的电 缆故障诊断方法， 该方法包括： 采集电力设备中 电缆的运行数据， 对运行数据进行预处理； 基于 支持向量机算法建立状态预测模 型， 将预处理后 的运行数据输入至训练好的状态预测模型中， 得 到当前运行数据所对应的电缆运行状态； 基于 Stacking集成学习算法构建故障诊断模型； 将预 处理后的运行数据划分为若干子数据集， 将若干 子数据集输入至第一层预测子模型的各个基学 习器中， 每个基学习器输出各自的预测结果； 将 第一预测子模型输出的预测结果输入至第二层 预测子模型的各个元学习器中， 得到最终的预测 结果， 以诊断电缆的运行状态与故障类型。 本申 请能够快速诊断电缆状态与故障类型， 提高了电 缆故障数据的分类效率和准确度。 权利要求书2页 说明书7页 附图2页 CN 115392384 A 2022.11.25 CN 115392384 A 1.一种基于Stack ing学习的电缆故障诊断方法， 其特 征在于， 包括： 采集电力设备中电缆的运行 数据， 对运行 数据进行 预处理； 基于支持向量机算法建立状态预测模型， 将预处理后的运行数据输入至训练好的状态 预测模型中， 得到当前运行 数据所对应的电缆 运行状态； 基于Stacking集成学习算法构 建故障诊断模型， 所述故障诊断模型包括两层预测子模 型： 第一层预测子模型与第二层预测子模型； 将预处理后的运行数据划分为若干子数据集， 将若干子数据集输入至第 一层预测子模 型的各个基学习器中， 每个基学习器输出各自的预测结果； 将所述第一预测子模型输出 的 预测结果输入至第二层预测子模型 的各个元学习器中， 得到最终的预测结果， 以诊断电缆 的运行状态与故障类型。 2.如权利 要求1所述的基于Stacking学习的电缆故障诊断方法， 其中， 所述对运行数据 进行预处理， 具体包括： 将所述运行数据视为正态分布， 基于正态分布 的3σ 原则对运行数据进行处理， 剔除分 布在( μ‑3σ, μ+3σ )区间外误差较大的数据； 其中， μ为运行数据的均值， σ 为运行数据正态分 布的标准差 。 3.如权利 要求2所述的基于Stacking学习的电缆故障诊断方法， 其中， 所述对运行数据 进行预处理， 还包括： 对离散型的运行数据进行One ‑Hot编码处理， 将所述运行数据通过取整函数映射为整 数值， 整数值的每一 位有十种状态， 对这十种状态进行编码， 将整数值 转换为二进制向量。 4.如权利 要求3所述的基于Stacking学习的电缆故障诊断方法， 其中， 所述对运行数据 进行预处理， 还包括： 对连续型的运行数据使用最大最小归一化方法对数据进行处理， 将数据转化为0 ‑1之 间的连续数值。 5.如权利 要求1所述的基于Stacking学习的电缆故障诊断方法， 其中， 所述状态预测模 型的训练过程 为： 采集电力设备中电缆的历史运行 数据， 对历史运行 数据进行 预处理； 将历史运行数据作为训练样本输入至状态预测模型中， 得到历史运行数据的状态预测 结果； 根据历史运行数据的状态预测结果与训练样本的标签真值计算目标损失函数， 基于所 述目标损失函数对状态预测模型进行迭代训练， 得到训练好的状态预测模型。 6.如权利 要求5所述的基于Stacking学习的电缆故障诊断方法， 其中， 所述历史运行数 据的状态预测结果包括 正常运行状态、 故障预警状态、 异常状态与严重故障状态。 7.如权利要求1所述的基于Stacking学习的电缆故障诊断方法， 其中， 基于K折交叉算 法对所述故障诊断模型进行训练： 将运行数据的特征向量与其对应的标签值形成一个数据集合， 通过分层采样的方式将 数据集合划分为K个数据子集， 其中， K为 正整数； 在K个数据子集中选择一个数据子集作为测试集， 将剩下的数据子集作为训练集； 将训练集输入所述第一层预测子模型中， 得到第一层预测值 集合； 将第一层预测值 集合输入第二层预测子模型中进行训练， 得到最终预测结果的集 合。权　利　要　求　书 1/2 页 2 CN 115392384 A 28.如权利要求7所述的基于Stacking学习的电缆故障诊断方法， 其中， 所述基于K折交 叉算法对所述故障诊断模型进行训练， 还 包括： 将所述测试集用于对第一层预测值集合进行验证； 以及， 在K个数据子集中选择不同的 数据子集作为测试集， 进行 K次训练与验证。 9.一种基于Stack ing学习的电缆故障诊断系统， 其特 征在于， 包括： 数据采集与处 理模块， 用于采集电力设备中电缆的运行 数据， 对运行 数据进行 预处理； 支持向量机算法模块， 包括状态预测模型， 用于将预处理后的运行数据输入至训练好 的状态预测模型中， 得到当前运行 数据所对应的电缆 运行状态； 故障诊断模型构建模块， 基于Stacking集成学习算法构建故障诊断模型， 所述故障诊 断模型包括两层预测子模型： 第一层预测子模型与第二层预测子模型； 结果预测模块， 用于将预处理后的运行数据划分为若干子数据集， 将若干子数据集输 入至第一层预测子模型 的各个基学习器中， 每个基学习器输出各自的预测结果； 将所述第 一预测子模型输出的预测结果输入至第二层预测子模型的各个元学习器中， 得到最 终的预 测结果， 以诊断电缆的运行状态与故障类型。 10.一种基于Stacking学习 的电缆故障诊断设备， 其特征在于， 包括至少一个处理单 元、 以及至少一个存储单元， 其中， 所述存储单元存储有计算机程序， 当所述计算机程序被 所述处理单元执行时， 使得 所述处理单元执行权利要求1～8任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115392384 A 3