[發明專利]一種基于隨機森林的斷路器機械故障診斷方法及系統

在審

• 申請號: 201810457787.2
• 申請日: 2018-05-14
• 公開（公告）號: CN108680348A
• 公開（公告）日: 2018-10-19
• 發明（設計）人: 趙遵龍;馬帥;王志濤;吳麗娟;王振華;劉躍文;毛軍;韓國棟;羅健;王寧;郝新星;侯文龍;郭帥
• 申請（專利權）人: 國網山東省電力公司萊蕪供電公司;國家電網公司
• 主分類號: G01M13/00
• 分類號: G01M13/00;G06K9/62
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 董雪

本發明公開了一種基于隨機森林的斷路器機械故障診斷方法及系統，包括：建立斷路器振動樣本數據庫；分別提取斷路器振動樣本數據庫中每一個振動樣本數據的時域特征向量，并將得到的時域特征向量進行組合得到一種特征向量；構成原始訓練樣本集；采集目標斷路器的振動信號數據，并對其數據進行預處理；提取目標斷路器振動信號數據的時域特征向量；將得到的時域特征向量組合成為特征向量F；根據得到的原始訓練樣本集以及特征向量F，采用隨機森林算法，對目標斷路器進行故障診斷。本發明有益效果：兩個隨機性的引入，使得隨機森林具有很好的抗噪聲能力。特別適用于斷路器的故障診斷，能夠提高故障診斷的準確率。

技術領域

本發明涉及電力系統中高壓電器設備的檢測領域，特別涉及一種基于隨機森林的斷路器機械故障診斷方法及系統。

背景技術

作為電力系統中重要的保護與控制電器，中高壓斷路器在保障電網安全穩定運行方面起著十分關鍵的作用，其運行維護也是電力部門日常工作的重要內容。

根據1990-1999年全國電力系統配電電壓等級開關事故的統計，機械原因故障占總故障類型的39.30％。近年來，各種數據挖掘算法被廣泛應用于中高壓斷路器的機械故障診斷中，并取得了良好的效果，例如基于人工神經網絡的診斷系統和基于支持向量機的診斷系統。然而，人工神經網絡存在著參數優化難、收斂速度過慢等缺點，支持向量機雖克服了人工神經網絡收斂速度慢和過擬合的問題，但也存在處理大樣本數據時能力不足以及解決多分類問題精度較低等困難。

綜上所述，現有數據挖掘算法中對于如何高效的提高機械故障診斷的正確率問題，尚缺乏有效的解決方案。

發明內容

本發明為了解決上述問題，提出了一種基于隨機森林的斷路器機械故障診斷方法及系統，該方法在數據集上表現良好，兩個隨機性的引入，使得隨機森林具有很好的抗噪聲能力。

為了實現上述目的，本發明采用如下技術方案：

本發明的第一目的是公開一種基于隨機森林的斷路器機械故障診斷方法，包括：

采集斷路器正常運行以及故障時的振動信號數據，建立斷路器振動樣本數據庫，所述斷路器振動樣本數據庫包含無故障時的斷路器振動數據和存在故障時斷路器振動數據；

分別提取斷路器振動樣本數據庫中每一個振動樣本數據的時域特征向量，并將得到的時域特征向量進行組合得到一種特征向量；

為得到的每一個特征向量分別添加有故障或者無故障狀態標簽，構成原始訓練樣本集；

采集目標斷路器的振動信號數據，并對其數據進行預處理；

提取目標斷路器振動信號數據的時域特征向量；將得到的時域特征向量組合成為特征向量F；

根據得到的原始訓練樣本集以及特征向量F，采用隨機森林算法，對目標斷路器進行故障診斷。

進一步地，采集目標斷路器的振動信號數據，并對其數據進行預處理，具體為：去除趨勢項和噪聲。

進一步地，采用隨機森林算法，對斷路器的故障進行診斷，具體為：

(1)利用bootstrap重采樣方法從原始訓練樣本集中抽取M個特征向量樣本生成一個子樣本集；

(2)利用每個子樣本集，生長為單棵分類樹；

(3)在分類樹的每個節點處，從M個特征向量中隨機挑選m個特征向量，按照節點不純度最小的原則，從這m個特征向量中選出一個特征向量α作為該節點的分類屬性；

(4)根據特征向量α將節點分成2個分支，然后再從剩下的特征向量中尋找分類效果最好的特征向量作為其他節點的分類屬性，如此遞歸構造分類樹的分支，使分類樹充分生長，每個節點的不純度達到最小，而不進行剪枝；直到這棵樹能準確地分類訓練集，或者所有屬性使用完；