文献类型：期刊文章

作　　者：刘维功[1] 王昊展[2] 时振堂[1] 黎德初[3] 胡学良[3] 李劲松[2]

Liu Weigong;Wang Haozhan;Shi Zhentang;Li Dechu;Hu Xueliang;Li Jinsong(Sinope Dalian Research Institute of Petroleum and Petrochemicals,Dalian 116045,Liaoning,China;School of Electrical Engineering,Dalian University of Technology,Dalian 116024,Liaoning,China;Sinopec Guangzhou Company,Guangzhou 510726,China)

机构地区：[1]中国石油化工股份有限公司大连石油化工研究院,辽宁大连116045 [2]大连理工大学电气工程学院,辽宁大连116024 [3]中国石油化工股份有限公司广州分公司,广州510726

出　　处：《电测与仪表》

基　　金：国家自然科学基金青年科学基金(51807106);济宁市重点研发计划(2020PZJY006);中央高校基本科研业务费(DUT20RC(3)018);中国石油化工股份有限公司科技项目(CLY21062)。

年　　份：2022

卷　　号：59

期　　号：4

起止页码：98-106

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：局部放电模式识别对交联聚乙烯(XLPE)电缆绝缘性能的判定具有重要意义。在XLPE电缆的局部放电模式识别的研究中,传统机器学习算法存在收敛速度慢、易过拟合、识别准确率低等问题。文章采用一种基于改进XGBoost算法的XLPE电缆局部放电模式识别方法。通过搭建电缆局部放电试验平台人为构造四种35 kV XLPE电缆局部放电缺陷模型进而获取原始数据,利用MATLAB软件完成统计特征参数的计算,以特征参数为输入量,放电类型预测结果为输出量,通过交叉验证、学习曲线确定最优参数进而得到有效的模式识别模型。实验分析结果表明,与决策树、随机森林、BP神经网络和SVM等局部放电模式识别方法相比,文中方法可进一步提升识别准确率,总体识别准确率为96.93%。

关 键 词：XLPE电缆 模式识别 XGBoost  局部放电 学习曲线  

分 类 号：TM855]