-
题名基于深度森林的高压断路器弹簧机构状态识别
被引量：2
- 1
-
-
作者
于晨晖
王浩名
李一
李红运
刘亚魁
-
机构
青岛理工大学
西安交通大学电力设备电气绝缘国家重点实验室
-
出处
《高压电器》
CAS
CSCD
北大核心
2023年第2期37-43,51,共8页
-
基金
山东省自然科学基金青年项目(ZR2021QE289)
电力设备电气绝缘国家重点实验室资助(EIPE22201)
山东省高等学校国家级大学生创新创业训练计划项目(202110429316)。
-
文摘
系统的安全稳定运行与高压断路器的可靠性密切相关,合闸阶段的行程曲线可以反映出高压断路器的弹簧机构机械状态,是实现状态识别的重要判据,因此基于行程数据的弹簧机构状态辨识具有重要的研究意义。文中对合闸弹簧预压缩量减少10 mm或15 mm、分闸弹簧预压缩量减少10 mm或15 mm、油缓冲器抽油10 mL或30 m L、传动构件卡阻档位1或档位2以及正常状态下9种合闸特性曲线进行了采集,然后基于深度森林(deep forest,DF)算法构建辨识模型,最后将识别结果与主成分—支持向量机、随机森林算法进行对比。结果表明,深度森林和随机森林的识别效果一致,且明显优于主成分—支持向量机。此外,深度森林的优势还体现在其避免了随机森林的调参过程,具有更好的识别效率。
-
关键词
高压断路器
合闸行程曲线
深度森林
-
Keywords
high-voltage circuit breaker
travel curve of contact closing period
deep forest(DF)
-
分类号
TM561
[电气工程—电器]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
