[发明专利]一种基于随机森林的断路器机械故障诊断方法及系统

说明书

本发明公开了一种基于随机森林的断路器机械故障诊断方法及系统，包括：建立断路器振动样本数据库；分别提取断路器振动样本数据库中每一个振动样本数据的时域特征向量，并将得到的时域特征向量进行组合得到一种特征向量；构成原始训练样本集；采集目标断路器的振动信号数据，并对其数据进行预处理；提取目标断路器振动信号数据的时域特征向量；将得到的时域特征向量组合成为特征向量F；根据得到的原始训练样本集以及特征向量F，采用随机森林算法，对目标断路器进行故障诊断。本发明有益效果：两个随机性的引入，使得随机森林具有很好的抗噪声能力。特别适用于断路器的故障诊断，能够提高故障诊断的准确率。

技术领域

本发明涉及电力系统中高压电器设备的检测领域，特别涉及一种基于随机森林的断路器机械故障诊断方法及系统。

背景技术

作为电力系统中重要的保护与控制电器，中高压断路器在保障电网安全稳定运行方面起着十分关键的作用，其运行维护也是电力部门日常工作的重要内容。

根据1990-1999年全国电力系统配电电压等级开关事故的统计，机械原因故障占总故障类型的39.30％。近年来，各种数据挖掘算法被广泛应用于中高压断路器的机械故障诊断中，并取得了良好的效果，例如基于人工神经网络的诊断系统和基于支持向量机的诊断系统。然而，人工神经网络存在着参数优化难、收敛速度过慢等缺点，支持向量机虽克服了人工神经网络收敛速度慢和过拟合的问题，但也存在处理大样本数据时能力不足以及解决多分类问题精度较低等困难。

综上所述，现有数据挖掘算法中对于如何高效的提高机械故障诊断的正确率问题，尚缺乏有效的解决方案。

发明内容

本发明为了解决上述问题，提出了一种基于随机森林的断路器机械故障诊断方法及系统，该方法在数据集上表现良好，两个随机性的引入，使得随机森林具有很好的抗噪声能力。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一目的是公开一种基于随机森林的断路器机械故障诊断方法，包括：

采集断路器正常运行以及故障时的振动信号数据，建立断路器振动样本数据库，所述断路器振动样本数据库包含无故障时的断路器振动数据和存在故障时断路器振动数据；

分别提取断路器振动样本数据库中每一个振动样本数据的时域特征向量，并将得到的时域特征向量进行组合得到一种特征向量；

为得到的每一个特征向量分别添加有故障或者无故障状态标签，构成原始训练样本集；

采集目标断路器的振动信号数据，并对其数据进行预处理；

提取目标断路器振动信号数据的时域特征向量；将得到的时域特征向量组合成为特征向量F；

根据得到的原始训练样本集以及特征向量F，采用随机森林算法，对目标断路器进行故障诊断。

进一步地，采集目标断路器的振动信号数据，并对其数据进行预处理，具体为：去除趋势项和噪声。

进一步地，采用随机森林算法，对断路器的故障进行诊断，具体为：

(1)利用bootstrap重采样方法从原始训练样本集中抽取M个特征向量样本生成一个子样本集；

(2)利用每个子样本集，生长为单棵分类树；

(3)在分类树的每个节点处，从M个特征向量中随机挑选m个特征向量，按照节点不纯度最小的原则，从这m个特征向量中选出一个特征向量α作为该节点的分类属性；

(4)根据特征向量α将节点分成2个分支，然后再从剩下的特征向量中寻找分类效果最好的特征向量作为其他节点的分类属性，如此递归构造分类树的分支，使分类树充分生长，每个节点的不纯度达到最小，而不进行剪枝；直到这棵树能准确地分类训练集，或者所有属性使用完；