收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于多状态数据均衡与XGBoost的特高压换流阀运行状态评估

李轩  梅飞  沙浩源  郑建勇  
【摘要】:为减少直流系统停运与检修时间,提高换流阀运行的稳定性,提出一种基于多状态数据均衡与极端梯度提升(extreme gradient boost, XGBoost)的特高压换流阀状态评估方法。首先,针对晶闸管换流阀的主要部件,提取晶闸管组件、阀冷却组件、阀避雷器以及外部环境等4类特征指标;然后,提出一种基于孤立森林与合成少数类过采样技术的数据预处理方法,剔除数据集中的离群样本;再对少数类样本进行过采样,以实现各状态数据集的有效性与均衡性;接着,利用预处理后的数据训练XGBoost分类器,结合K-fold交叉验证与网格搜索法获取模型的最优超参数。最后以江苏省某换流站的实测数据为例对所提方法进行验证,结果表明:计算评估模型的准确率达97.1%,较传统方法更能准确判断换流阀的运行状态,同时该模型能反应各状态量的特征贡献度,可为换流阀的检修提供依据。

知网文化
【相似文献】
中国期刊全文数据库 前8条
1 程诗尧;武赫;李雪城;易欣;李乾;;基于XGBoost与组合赋权的库存电能表资产精益化管理研究[J];仪器仪表与分析监测;2022年01期
2 陈兴新;岳一石;程紫熠;邹妍晖;巢亚锋;;基于XGBoost算法的绝缘子污秽放电在线诊断方法研究[J];湖南电力;2021年02期
3 吴定会;郑洋;韩欣宏;;基于多特征融合与XGBoost的风机轴承故障诊断[J];传感器与微系统;2020年07期
4 朱继峰;闫飞;郑水明;洪星芸;徐正国;;基于XGBoost的磨煤机效率异常检测[J];计算机应用;2019年S2期
5 朱江行;邹晓松;熊炜;袁旭峰;艾小清;彭月;;基于Prophet与XGBoost混合模型的短期负荷预测[J];现代电力;2021年03期
6 张旺;管维亚;张建峰;陈红;卢文飞;;基于XGBoost算法的基础设施项目投资预测模型——以变电站工程为例[J];土木工程与管理学报;2021年05期
7 苏国梁;汪健冬;付恩强;赵娟娟;黄文广;刘广臣;;XGBoost算法在风电机组发电机故障监测预警中的应用研究[J];太阳能;2021年09期
8 崔豪驿;鲍娌娜;苗德雨;张海涛;;基于XGBoost的网络安全设备告警误报检测模型[J];电力大数据;2021年07期
中国重要会议论文全文数据库 前1条
1 陈晋贤;;基于SMBO优化的XGBoost集成电路PVD电阻率虚拟量测[A];中国自动化学会华东六省一市学术年会论文摘要集[C];2018年
中国硕士学位论文全文数据库 前20条
1 伍贤美;XGBoost算法在智能家电销售额预测的应用[D];广东工业大学;2021年
2 余培;基于XGBoost算法的电力用户信用风险预警及分级服务策略[D];华北电力大学(北京);2020年
3 郑宏;基于LSTM与XGBoost组合模型的电价预测研究[D];太原科技大学;2021年
4 马元培;基于XGBoost的光伏发电功率预测方法研究[D];湖北工业大学;2021年
5 张荣涛;基于特征融合和XGBoost算法的风机齿轮箱故障诊断研究[D];上海电机学院;2019年
6 江彬齐;复杂山地条件下的分散式风电混合时间尺度XGBoost短期功率预测方法[D];长沙理工大学;2019年
7 李全鹏;基于CNN和XGBoost的静态电压稳定裕度预测方法研究[D];郑州大学;2020年
8 李时宇;基于改进ANFIS和XGBoost的多模型综合日峰负荷预测[D];华北电力大学(北京);2020年
9 熊瑶;基于PCA和XGBoost的智能配电网D-PMU实时扰动预测技术[D];湖南大学;2020年
10 资艳玲;基于特征提取与贝叶斯优化的电力负荷组合预测研究[D];湖南师范大学;2020年
11 费陈;锂离子电池荷电及健康状态预测方法研究[D];广西师范大学;2020年
12 肖端翔;基于机器学习混合模型的用电数据异常检测研究[D];华中师范大学;2020年
13 邱瑞东;基于机器学习的光伏电站功率短期预测方法研究[D];新疆大学;2021年
14 孙俊佚雄;基于大数据的智能家电故障检测和诊断模型研究[D];桂林电子科技大学;2020年
15 朱小辉;风电机组噪声信号特征分析及噪声预测的研究[D];广东工业大学;2020年
16 杨亚男;基于SCADA数据的风机叶片故障诊断系统研究[D];华北电力大学;2020年
17 彭进;基于BiGRU-TextCNN-XGBoost的短期光伏发电预测研究[D];南昌大学;2021年
18 周盛山;基于智能优化算法的风电场短期功率组合预测模型研究[D];昆明理工大学;2021年
19 徐紫君;基于SCADA系统的风电机组传动系统状态监测和故障诊断[D];河北工业大学;2019年
20 杨莹;基于残差神经网络的风机叶片覆冰预测方法研究[D];辽宁工程技术大学;2021年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978