基于自适应随机森林的变电站设备故障分类研究OACSTPCD

随着新时代新兴技术的发展,对变电站设备的故障诊断技术提出了更高的要求。变电站一旦出现设备故障,如果没有提前预警和处理,将会造成巨大影响。为此提出主动学习随机森林模型,对原始变电站设备数据提取数据样本集,并进行特征提取,将其用于构建自适应随机树,根据每棵随机树对应的权重,通过提出的投票机制,完成对已知故障的分类和对未知故障的检测。因此这种方法可以自动识别新的故障、自动调整模型,同时在随机森林模型的基础上创新地引入自适应投票机制提升模型分类准确率。分析结果验证了该方法的有效性,此外与传统的随机森林模型进行比较,其分类准确率、误识率和拒识率都表现优异。