基于多源信息融合的金属氧化物避雷器运行状态评价方法

为提高对金属氧化物避雷器(MOA)运行状态的准确把控能力，提出了基于多源信息融合的MOA运行状态评价方法。该方法通过评估运行巡视、带电测试与停电试验等数据对MOA运行状态的影响，建立了多源信息评价标准；应用长短期记忆循环神经网络(LSTM-RNN)、CART决策树与D-S证据理论构建了MOA运行状态评价模型；最后运用该模型对不同变电站的3个间隔9支MOA进行跟踪测试。结果显示，该模型的评价结果与停电试验结果相一致，证明了该模型对MOA运行状态评价的有效性。该方法可为高压试验人员制定MOA预试计划提供参考依据。