基于集成学习的高压直流输电系统故障诊断

作者：李强; 陈潜^*; 武霁阳; 彭光强; 黄雄辉; 李子由; 杨博

来源：电力系统保护与控制, 2023, 51(16): 168-178.

DOI：10.19783/j.cnki.pspc.221653

• 高压直流输电系统
• 故障诊断
• 集成学习
• 分类器

以某西南电网变电站出现的4种故障的实测数据作为数据集，针对高压直流输电(high voltage direct-current,HVDC)系统的故障诊断设计出一种基于集成学习(ensemble learning, EM)的故障诊断方法，显著提升了故障诊断的速度、精度和鲁棒性。首先，对4类故障数据进行数据预处理，同时对故障数据的特征进行提取并完成训练，使用故障数据标签对故障数据集进行均分权重。然后，计算当前弱分类器对带权重数据集的分类误差，并计算当前分类器在强分类器中的权重。最后，更新训练样本权值的分布得到强分类器，根据训练好的模型对不同数据集下的故障类型进行辨识实验。通过与BP神经网络故障诊断模型对比，所提出的方法在多组测试中可以达到89%以上的诊断准确率，错误率较低并且鲁棒性强，有利于HVDC系统的故障识别和快速诊断。