基于随机森林的发电机定子线棒局部放电图谱特征识别方法

发电机定子线棒局部放电的在线监测和故障诊断对于电机故障预警、故障定位和指导机组检修有重要意义。目前存在部分不同类型局部放电相似度高，模式识别方法计算时间过长的问题，需要高精度和高效的识别方法，为此提出一种基于随机森林的定子线棒局部放电识别方法。制备了6种类型定子线棒，用特高频天线检测局部放电信号，基于相位分布局部放电(PRPD)图谱比对，提出参数幅值不对称度。基于随机森林方法识别缺陷类型，计算特征重要性，选择有效特征。最后，可视化特征相似度，与传统反向传播(BP)神经网络方法对比，验证有效性。结果表明：随机森林算法可以有效识别人工缺陷定子线棒局部放电，总体识别正确率达到93.33%。筛选半数特征后，随机森林比BP神经网络的准确率提高了10.83%，特征选择对随机森林的准确率影响很小，但识别效率大幅提高。随机森林在少量特征时识别准确率、计算时间都明显优于神经网络。幅值不对称度参数的重要性排在全部特征前1/3，具有推广价值。