基于改进XGBoost算法的XLPE电缆局部放电模式识别研究
Electrical Measurement & Instrumentation（2022）
Abstract
局部放电模式识别对交联聚乙烯(XLPE)电缆绝缘性能的判定具有重要意义.在XLPE电缆的局部放电模式识别的研究中,传统机器学习算法存在收敛速度慢、易过拟合、识别准确率低等问题.文章采用一种基于改进XGBoost算法的XLPE电缆局部放电模式识别方法.通过搭建电缆局部放电试验平台人为构造四种35 kV XLPE电缆局部放电缺陷模型进而获取原始数据,利用MATLAB软件完成统计特征参数的计算,以特征参数为输入量,放电类型预测结果为输出量,通过交叉验证、学习曲线确定最优参数进而得到有效的模式识别模型.实验分析结果表明,与决策树、随机森林、BP神经网络和SVM等局部放电模式识别方法相比,文中方法可进一步提升识别准确率,总体识别准确率为96.93％.
MoreAI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined