基于集成学习方法的燃气调压器故障类型智能判断研究

调压器作为燃气输配系统中重要的设备，其状态检测及故障诊断尤为重要。本研究基于某燃气公司的调压器预警台账统计数据，收集了2020年至2022年间的9 125条报警数据，引入集成学习的方法，结合调压器进出口压力数据、压力数据特征等变量，基于3种集成学习方法：随机森林、XGBoost(eXtreme Gradient Boosting)、LightGBM(Light Gradient Boosting Machine)构建了调压器故障类型智能判断模型，利用实际检测数据从进出口、故障类型等方面对3种模型分别进行了评价，根据评价结果得出以下结论：针对进口压力报警，LightGBM智能判断模型的表现最好，精度为97%；针对出口压力报警，XGBoost智能判断模型的表现最好，精度为92%，均达到了较高的准确率。