(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 202111155684.9 (22)申请日 2021.09.2 9 (71)申请人 国网山东省电力公司电力科 学研究 院 地址 250003 山东省济南市 市中区望岳路 2000号 申请人 国家电网有限公司 (72)发明人 贾然　沈浩　刘辉　沈庆河　周超　 张洋　刘嵘　刘传斌　邓禹　周军　 方泳皓　廖敏夫　段雄英　符一凡　 辜超　姚金霞　朱文兵　段玉兵　 张皓　马国庆　李鹏飞　王建　 刘萌　李杰　曹志伟　杨祎　师伟　 顾朝亮　林颖　李程启　朱孟兆　 孙景文　王江伟　王学磊　(74)专利代理 机构 济南泉城专利商标事务所 37218 代理人 李桂存 (51)Int.Cl. G06F 30/27(2020.01) G01D 21/02(2006.01) G06F 119/02(2020.01) (54)发明名称 一种基于机器学习的复合绝缘子芯棒性能 预测方法 (57)摘要 一种基于机器学习的复合绝缘子芯棒性能 预测方法， 利用机器学习算法预测采用同类型材 料与工艺制造的复合绝缘子芯棒的性能， 以解决 改变材料配比和生产工艺时测试的成本高、 周期 长的问题。 当改变复合绝缘子芯棒规格、 生产工 艺和使用材料中单个或者多个变量时， 可以免去 实际生产与检测， 快速预测得到改变后的芯棒性 能参数。 通过预测的方法， 能够大幅减少实际生 产与检测所需要的时间成本与经济成本 。 权利要求书2页 说明书4页 CN 113919212 A 2022.01.11 CN 113919212 A 1.一种基于 机器学习的复合 绝缘子芯棒 性能预测方法， 其特 征在于， 包括： a)选取不同规格、 不同生产工艺 生产的以及不同使用材 料的复合 绝缘子芯棒； b)根据规格、 生产工艺以及使用材 料将各个复合 绝缘子芯棒进行分类； c)选取每一类中若干复合绝缘子芯棒并测试其性能参数， 将测试的性能参数记入数据 库； d)利用LSTM算法预测同类中其 他复合绝缘子芯棒的性能参数； e)利用试验 对预测的性能参数进行验证， 将验证后的性能参数记入数据库。 2.根据权利要求1所述的基于机器学习的复合绝缘子芯棒性 能预测方法， 其特征在于： 步骤b)中分类方式分为同规格同生产工艺不同材料类、 同规格不同生产工艺同材料类、 不 同规格同生产工艺同材 料类。 3.根据权利要求1所述的基于机器学习的复合绝缘子芯棒性 能预测方法， 其特征在于： 步骤b)中的规格按照复合绝缘子 芯棒直径和复合绝缘子 芯棒长度进 行划分， 生产工艺按照 复合绝缘子芯棒生产中牵引力、 牵引速度、 固化温度、 固化时间进行划分， 材料按照复合绝 缘子芯棒 集体材料、 增强材 料、 固化剂、 促进剂、 脱模剂的各成分组合及成分占比进行划分。 4.根据权利要求1所述的基于机器学习的复合绝缘子芯棒性 能预测方法， 其特征在于： 步骤c)中复合绝缘子 芯棒测试的性能参数包括理化性能参数、 力学性能参数及电学性能参 数， 所述理化性能参数包括复合绝缘子芯棒的固化度、 含胶量、 玻璃化转变温度、 纵向线膨 胀系数、 树脂分解温度， 所述力学性能参数包括复合绝缘子芯棒生产中的牵引力、 牵引速 度、 固化温度、 固化时间， 所述电学性能参数包括复合绝缘子 芯棒表面电阻、 体积电阻、 泄露 电流、 介质损耗角。 5.根据权利要求1所述的基于机器学习的复合绝缘子芯棒性 能预测方法， 其特征在于， 步骤d)包括如下步骤： d‑1)将数据库中的性能参数数据归一化处理， 得到矩阵X， xij为矩阵X中第i行第j列的 数据； d‑2)通过公式 计算得到处理后的矩阵中第i行第j列的数据 式中 ximax为第i行数据中的最大值， 根据计算的数据 形成处理后的矩阵Xt； d‑3)通过公式Ft＝σ(Wf[Ht‑1,Xt]+Bf)计算得到时刻t的遗忘门的输出Ft， 式中σ为 sigmoid函数， Wf为遗忘门权重矩阵， Bf为遗忘门偏置矩阵， Ht‑1为当前隐藏层数据矩阵； d‑4)通过公式It＝σ(Wi[Ht‑1,Xt]+Bi)计算得到时刻t的存储门的输出It， 式中Wi为存储 门权重矩阵， Bi为存储门偏置矩阵， 通过公式 计算得到时刻t 的 备选输出矩阵 式中Wc为存储门权重矩阵， Bc为存储门偏置矩阵； d‑5)通过公式 计算得到时刻t的细胞状态Ct， 式中Ct‑1为当前细 胞矩阵； d‑6)通过公式Ot＝σ(Wo[Ht‑1,Xt]+Bo)计算得到输出门的输出Ot， 式中Wo为输出门权重矩 阵， Bo为输出门偏置矩阵， 通过公式Ht＝Ot*tanh(Ct)计算得到输出矩阵Ht， 输出矩阵Ht为预权　利　要　求　书 1/2 页 2 CN 113919212 A 2测得到的同类中其 他复合绝缘子芯棒的性能参数。 6.根据权利要求1所述的基于机器学习的复合绝缘子芯棒性 能预测方法， 其特征在于： 还包括在步骤e)之后利用建立好的数据库， 根据不同规格、 不同生产工艺生产的以及不同 使用材料的信息在数据库中查找相关的复合 绝缘子芯棒 性能参数。权　利　要　求　书 2/2 页 3 CN 113919212 A 3