基于随机森林的变压器局部放电模式识别 |
| |
引用本文: | 王仕俊,平常,薛国斌.基于随机森林的变压器局部放电模式识别[J].科技通报,2019,35(11):135-138,142. |
| |
作者姓名: | 王仕俊 平常 薛国斌 |
| |
作者单位: | 国网甘肃省电力公司经济技术研究院,甘肃兰州,730050;国网甘肃省电力公司经济技术研究院,甘肃兰州,730050;国网甘肃省电力公司经济技术研究院,甘肃兰州,730050 |
| |
基金项目: | 山西省“十三五”科技重大专项;国网甘肃省电力公司科技项目 |
| |
摘 要: | 针对目前在局部放电模式识别领域中常用的分类器算法的缺陷,本文研究随机森林(random forest,RF)算法在局部电放模式识别领域的应用。首先对局部放电试验数据提取统计特征量,构建放电的学习样本。利用十折法对算法分类性能进行评判,并比较常见分类算法BP神经网络、支持向量机(support vector machine,SVM))、KNN、分类回归树算法(classification and regression tree,CART)以及RF算法的识别准确率。结果表明:利用RF算法构建放电模式分类器的识别准确率最高。此外,利用组成RF的基分类算法CART可分析不同放电模式间的主要区别。
|
关 键 词: | 随机森林 CART算法 变压器 局部放电 模式识别 |
本文献已被 CNKI 万方数据 等数据库收录! |
|