基于多特征评估与XGBoost的高压断路器故障诊断

doi:10.13296/j.1001-1609.hva.2023.04.001

您当前的位置：

首页 >

文章列表页 >

基于多特征评估与XGBoost的高压断路器故障诊断

更新时间：2025-04-26

- 基于多特征评估与XGBoost的高压断路器故障诊断
- High VoltageApparatus Vol. 59, Issue 4, Pages: 1-9(2023)
- 作者机构：
  
  1. 北京航空航天大学自动化科学与电气工程学院
  2. 北方工业大学电气与控制工程学院
  3. 山东泰开高压开关有限公司
  4. 中国电力科学研究院有限公司
- 作者简介：
- 基金信息：
- DOI：10.13296/j.1001-1609.hva.2023.04.001
  CLC： TM561
- Published：2023
- 稿件说明：
移动端阅览
[J]. High voltageapparatus, 2023, 59(4): 1-9.
DOI：

[J]. High voltageapparatus, 2023, 59(4): 1-9. DOI： 10.13296/j.1001-1609.hva.2023.04.001.

摘要

高压断路器是电力系统中的关键设备，其可靠运行是维护电网安全的重要保障。在智能电网的建设下，高压断路器的故障诊断研究受到广泛关注。文中研究了高压断路器不同工况下的机械振动信号，并提出一种基于多特征评估与XGBoost的故障诊断模型。从时域、频域以及时频域提取振动信号的多维特征量，采用融合特征重要性的方法并结合XGBoost模型对多维特征评估筛选，剔除冗余特征量，同时采用贝叶斯优化算法对XGBoost模型中的参数进行优化，提高了分类的准确率。结果表明，基于多特征评估与XGBoost的诊断方法准确率较高，能够有效实现对高压断路器机械振动信号的准确分类。

Abstract

关键词

Keywords

references

Views

569

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于混合分类器的高压断路器故障诊断

基于改进SVM算法的高压断路器故障诊断

基于振动信号的高压断路器螺栓松动故障诊断研究

基于声—振信号的高压断路器机械故障设置与数据采集研究

基于变分模态分解的高压断路器合分闸线圈电流特征值提取

Related Author

黄新波

许艳辉

朱永灿

盖曜麟

葛丽娟

郭懿中

解治中

林婧

Related Institution

西安工程大学电子信息学院

国网山东电力公司庆云县供电公司

内蒙古农业大学机电工程学院

广东电网有限责任公司广州供电局

西安交通大学电力设备电气绝缘国家重点实验室

⁰