输电线路状态评估及预测对于合理制定运维策略、提高运维水平具有重大意义。针对现有模型无法兼顾鲁棒性和数据需求量的问题，本文提出一种基于半监督学习的状态预测方法。首先，对拓展后的特征向量，利用正则矩阵填补缺失数据，并通过表征学习解决稀疏编码问题。然后，借助少量标注样本初步确定线路区段在不同缺陷状态下的类别中心。最后，使用未标注样本对模型估计参数进行修正。算例分析表明，该方法与现有模型相比，识别准确率大幅提升且数据使用效率更高。
科研之友
微信
新浪微博
Facebook
分享链接
