基于随机森林的油纸绝缘老化阶段评估*

2018-08-14 00:11:04张建文王曼解浩严家明张寰宇
电测与仪表 2018年9期
关键词:分类特征

张建文,王曼,解浩,严家明,张寰宇

(中国矿业大学 电气与动力工程学院,江苏 徐州 221008)

0 引 言

局部放电信号一直都是国内外学者的研究热点,它也是油浸式变压器绝缘运行状态的评估依据。有研究证实通过局放信号的统计指纹[1]、韦伯分布[2]、分形维数[3]和数字图像矩特征等[4]可以对油纸绝缘不同老化阶段进行评估。奇异值分解(Singular Value Decomposition,SVD)特征提取可以在保留信号真实特征的前提下进行数据压缩。经验模态分解(Empirical Mode Decomposition,EMD)自适应的将原始信号拆分成由高到低多个频段的或多个窄带频率的固有模式分量(Intrinsic Mode Function,IMF)。基于EMD-SVD特征提取方法在生物信息识别、故障诊断等方面也取得了相应研究成果[5-6]。

已有中外学者成功将支持向量机(Support Vector Machines,SVM)和BP神经网络应用于电力系统状态诊断识别领域[7-8]。但BP神经网络缺点在于收敛速度慢,效率低,学习过程不稳定,SVM对某些特殊值存在识别障碍。随机森林(Random Forest,RF)是Leo Breiman 在2001年提出的一种组合学习算法[9],因其准确率很高且对特殊值和环境噪声干扰具有较好的包容度,不易出现过拟合现象,在电力系统状态诊断中得到了很好的应用[10-11]。

基于此,提出局放信号的EMD-SVD特征和随机森林结合识别评估油纸绝缘老化状态。分别利用随机森林分类器与传统单一分类器BP神经网络和支持向量机对油纸绝缘热老化不同阶段局部放电信号EMD-SVD特征进行分类识别,并对比和分析各分类器的识别结果。

1 试验及信号处理

1.1 试验与局部放电信号测量

设计老化实现试验的流程图如图1所示。……

登录APP查看全文

猜你喜欢
分类特征
分类算一算
垃圾分类的困惑你有吗
大众健康(2021年6期)2021-06-08 19:30:06
如何表达“特征”
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
教你一招:数的分类
给塑料分分类吧
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15