多振动信息下的高压断路器机械故障随机森林融合诊断方法

摘要

高压断路器的健康状况对电力系统有着重要影响.随着人工智能的发展,众多先进方法被应用于高压断路器的故障类型识别.目前,相关研究大多致力于改进基于单个传感器的特征提取过程或分类方法,以获得更高精度.然而,改进后的方法只能接近于数据信息所决定的上限,忽视了单一信息对故障辨识能力的有限性.因此,该文提出一种基于随机森林的多传感器联合决策方法.首先,分析不同位置振动信息在典型故障下的特征差异;然后,从随机森林出发,设计多传感器融合诊断过程;最后,基于高压断路器实验平台,对比六种典型分类器和不同传感器组合下随机森林融合方法的诊断结果,验证了所提方法可以显著提高故障诊断性能,为推动高压断路器故障定位应用提供了新思路.