基于随机决策森林的高压电缆局部放电模式识别北大核心CSCD

不同类型的高压电缆局部放电(简称局放)模式识别是该领域的难题。部分电缆局放类型之间相似度较大,识别困难。针对该问题,文中提出了一种基于随机决策森林(RF)的高压电缆局放模式识别方法。首先,制作了5种高压电缆人工缺陷,结合IEC 60270—2015系统和高频电流互感器(HFCT)进行实验,获取局放数据,并进行局放特征提取。其次,介绍了随机森林算法的原理和基于随机森林的高压电缆局放模式识别流程。最后,基于实验所得数据开展了局放模式识别方法有效性验证,确定了随机森林每个节点处特征子集中特征个数、节点分裂规则、树的棵数3个参数,并与传统的决策树、BP神经网络和支持向量机(SVM)3种方法进行比较。结果显示,与上述3种方法相比,随机森林算法对高相似度局放识别能力更强。