典型文献
基于改进XGBoost算法的XLPE电缆局部放电模式识别研究
文献摘要：
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％.
文献关键词：
XLPE电缆;模式识别;XGBoost;局部放电;学习曲线
中图分类号：
作者姓名：
刘维功;王昊展;时振堂;黎德初;胡学良;李劲松
作者机构：
中国石油化工股份有限公司大连石油化工研究院,辽宁大连116045;大连理工大学电气工程学院,辽宁大连116024;中国石油化工股份有限公司广州分公司,广州510726
文献出处：
引用格式：
[1]刘维功;王昊展;时振堂;黎德初;胡学良;李劲松-.基于改进XGBoost算法的XLPE电缆局部放电模式识别研究)[J].电测与仪表,2022(04):98-106
A类：
B类：
XGBoost,XLPE,放电模式,模式识别,交联聚乙烯,电缆绝缘,绝缘性能,机器学习算法,收敛速度,速度慢,过拟合,识别准确率,局部放电试验,试验平台,kV,放电缺陷,缺陷模型,原始数据,统计特征,输入量,类型预测,输出量,交叉验证,学习曲线,最优参数,识别模型,决策树,中方
AB值：
0.299809
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
