基于XGBoost的集成式隔离断路器状态评估

摘要

为全面、客观、准确地评估集成式隔离断路器的运行状态,提出一种基于极端梯度提升算法(extreme gradient boosting,XGBoost)的状态评估方法。依据专家经验及状态评价导则选择集成式隔离断路器状态量并对其状态进行划分,以历史信息、试验数据、在线监测数据、外部环境数据建立训练样本。整个模型以分类和回归树(classification and regression tree,CART)作为基础模型,采用XGBoost集成学习算法训练,通过交叉验证选择适当参数,建立最优集成模型。模型输入为各状态量值,输出为每个运行状态中所属叶子节点分值的累加,最大分值对应状态即为评估结果。实例分析表明,该方法建立的模型在测试集中时准确率为95%,能准确地判断集成式隔离断路器的实际运行状态,同时该模型能反映影响评估结果的状态量,为状态检修提供依据。