基于随机森林的变压器局部放电模式识别

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

所属期刊栏目：35

分类号：TP301.6(计算技术、计算机技术)

资助基金：山西省“十三五”科技重大专项z20160500210;国网甘肃省电力公司科技项目52272815001A

在线出版日期：2019-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：135-138,142