基于机器学习的变电站运维状态实时监测方法

摘要：

由于变电站现有的状态监测方法分类情况较差、故障误警率高,为此研究基于机器学习的变电站运维状态实时监测方法.首先,运用三比值法对变电站设备中的气体浓度进行分析,判断变电站设备内部的运行情况.其次,运用小波分解算法对变压器变化特征曲线进行分解并重构,计算不同频段时域所获得能量,相加后得到其特征量.再次,在决策树中获得最大的信息增益,计算不同数据信息的梯度值并将其进行关联.从次,运用遗传算法对模型进行优化,对粒子的位置寻优.将最优粒子结果带入模型中完成学习,输出状态值.最后,计算状态向量的误差值,设置状态告警阈值.如果误差值超过阈值则进行告警,从而完成监测.实验结果表明,故障监测阈值为-0.025 时,实验组的故障误警率值为0%,识别分类准确,具有较好的监测性能.

关键词：机器学习、变电站、运维状态、实时监测

所属期刊栏目：40

分类号：TP391;TM42;TM766

在线出版日期：2023-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：220-222