金属氧化物避雷器缺陷诊断的反距离加权改进KNN算法

摘要

针对现行金属氧化物避雷器(metal oxide arrester,MOA)在线监测系统中出现的因缺陷诊断规则不完善而导致大量漏报和误报事件,通过分析避雷器三相全电流和阻性电流、三相电压和阻性电流的Pearson相关系数,并考虑环境因素影响,提取环境温湿度、三相阻性电流和三相电压作为避雷器缺陷诊断的特征参数,提出一种基于反距离加权改进KNN(K-nearest neighbor)算法的避雷器缺陷诊断方法.通过实例验证,表明所提方法较其他方法具有更优的诊断正确率(97.28%)和泛化能力,为避雷器缺陷诊断提供了新思路.