文献类型：期刊文章

作　　者：苌瑶[1] 武建文[1] 马速良[2] 邵阳[1] 林靖怡[1] 梁传涛[3] 杨宁[4]

CHANG Yao;WU Jianwen;MA Suliang;SHAO Yang;LIN Jingyi;LIANG Chuantao;YANG Ning(School of Automation Science and Electrical Engineering,Beihang University,Beijing 100191,China;School of Electrical and Control Engineering,North China University of Technology,Beijing 100144,China;Shandong Taikai High Voltage Switchgear Co.,Ltd.,Shandong Tai’an 271000,China;China Electric Power Research Institute,Beijing 100192,China)

机构地区：[1]北京航空航天大学自动化科学与电气工程学院,北京100191 [2]北方工业大学电气与控制工程学院,北京100144 [3]山东泰开高压开关有限公司,山东泰安271000 [4]中国电力科学研究院有限公司,北京100192

出　　处：《高压电器》

基　　金：国家自然科学基金重点项目(51937004)。

年　　份：2023

卷　　号：59

期　　号：4

起止页码：1-9

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：高压断路器是电力系统中的关键设备,其可靠运行是维护电网安全的重要保障。在智能电网的建设下,高压断路器的故障诊断研究受到广泛关注。文中研究了高压断路器不同工况下的机械振动信号,并提出一种基于多特征评估与XGBoost的故障诊断模型。从时域、频域以及时频域提取振动信号的多维特征量,采用融合特征重要性的方法并结合XGBoost模型对多维特征评估筛选,剔除冗余特征量,同时采用贝叶斯优化算法对XGBoost模型中的参数进行优化,提高了分类的准确率。结果表明,基于多特征评估与XGBoost的诊断方法准确率较高,能够有效实现对高压断路器机械振动信号的准确分类。

关 键 词：高压断路器 故障诊断 振动信号 多特征评估  XGBoost  

分 类 号：TM561]