典型文献
基于机器学习算法的高压断路器故障诊断研究
文献摘要：
高压断路器是电力网络中关键的控制设备,其正常工作能够保障系统稳定运行.对高压断路器进行故障诊断能够在设备故障初期发现问题,避免故障发生.分析了高压断路器位移信号的特点,选出平均速度等4个参数作为故障诊断特征量.基于Spark平台,提出了一种高压断路器故障诊断方法,对方法原理及参数选择过程进行了介绍.使用实际数据对提出的方法进行验证,分类准确度可达93％.最后将本方法与几种传统分类模型的准确率和耗时进行对比分析,验证了本方法的优越性,研究结果为高压断路器的故障诊断提供参考.
文献关键词：
高压断路器;故障诊断;Spark平台;支持向量机
中图分类号：
作者姓名：
张健;张朋;宫铭辰;王悦;陈世玉
作者机构：
国网黑龙江省电力有限公司电力科学研究院,黑龙江 哈尔滨 150030
文献出处：
引用格式：
[1]张健;张朋;宫铭辰;王悦;陈世玉-.基于机器学习算法的高压断路器故障诊断研究)[J].东北电力技术,2022(11):12-16
A类：
B类：
基于机器学习,机器学习算法,高压断路器,断路器故障,诊断研究,电力网络,控制设备,工作能,保障系统,系统稳定,设备故障,发现问题,位移信号,平均速度,诊断特征,特征量,Spark,故障诊断方法,方法原理,参数选择,实际数据,分类模型
AB值：
0.307668
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。
