基于多模型融合集成学习的智能变电站二次设备状态评估

作     者：叶远波 黄太贵 谢民 赵子根 刘宏君 YE Yuanbo;HUANG Taigui;XIE Min;ZHAO Zigen;LIU Hongjun

作者机构：国网安徽省电力有限公司安徽合肥230022 长园深瑞继保自动化有限公司广东深圳518057 

出 版 物：《电力系统保护与控制》 (Power System Protection and Control)

年 卷 期：2021年第49卷第12期

页      面：148-157页

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：国家电网公司科技项目(521200190081) 

主　　题：二次设备 状态评估 集成学习 多模型融合 

摘      要：为准确评估智能变电站二次设备运行状态,建立了二次设备状态评估指标体系,并结合多种机器学习算法的差异性,提出了基于多模型融合集成学习的二次设备状态评估法。该方法采用双层结构,上层中利用划分好的数据对数个基学习器进行k折验证,下层中利用全连接级联神经网络融合多个基学习器,并采用改进的列文伯格-马夸尔特算法训练该神经网络加速模型收敛。实例分析表明,所提出的方法可以准确地评估二次设备的运行状态,并为智能变电站系统和二次设备的检修工作提供指导意见。