基于RF特征优选的AEAResNet柱上断路器运行状态诊断
文档名：基于RF特征优选的AEAResNet柱上断路器运行状态诊断
摘要：为实现柱上断路器运行状态的智能高效诊断,提出一种基于随机森林(randomforest,RF)的特征优选算法,并利用遗传模拟退火算法(annealingevolutionalgorithm,AEA)优化残差神经网络(residualneuralnetwork,ResNet),实现设备状态的智能预测.首先构建包含22维特征的断路器运行状态数据库,通过RF算法计算各特征的重要度指标,并通过序列反向搜索的方式保留11维特征作为后续模型的输入.然后,利用AEA算法对ResNet的网络结构进行迭代优化,识别最优参数用于模型预测.最后,仿真结果表明,RF算法可有效避免特征冗余,提高模型的预测性能.与传统预测模型相比,AEA-ResNet模型可以显著提升预测准确率,尤其在少数类样本的召回率和精度方面优势明显.
作者：钟伟 杨欢红 赵恒亮 陈秉淞 陈荣 张雪强 Author：ZHONGWei YANGHuanhong ZHAOHengliang CHENBingsong CHENRong ZHANGXueqiang
作者单位：国网浙江义乌市供电有限公司,浙江义乌322000上海电力大学电气工程学院,上海200090
刊名：电力科学与技术学报 ISTICPKU
Journal：JournalofElectricPowerScienceandTechnology
年，卷(期)：2023, 38(5)
分类号：TM561
关键词：柱上断路器状态诊断随机森林遗传模拟退火算法残差网络算法
Keywords：pole-mountedbreakerstatusdiagnosisrandomforestannealingevolutionalgorithmresidualneuralnetwork
机标分类号：TP391.41TM728.3TP277
在线出版日期：2024年1月31日
基金项目：国家自然科学基金基于RF特征优选的AEA-ResNet柱上断路器运行状态诊断[
期刊论文]电力科学与技术学报--2023, 38(5)钟伟杨欢红赵恒亮陈秉淞陈荣张雪强为实现柱上断路器运行状态的智能高效诊断,提出一种基于随机森林(randomforest,RF)的特征优选算法,并利用遗传模拟退火算法(annealingevolutionalgorithm,AEA)优化残差神经网络(residualneuralnetwork,ResNet),实现...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于RF特征优选的AEA-ResNet柱上断路器运行状态诊断Operation status diagnosis of pole-mounted breakers based on RF feature optimization and AEA-ResNet
基于RF特征优选的AEA-ResNet柱上断路器运行状态诊断.pdf
页:
[1]