基于特征選擇和優(yōu)化CNN-BiLSTM-Attention對(duì)SF6斷路器漏氣故障診斷
所屬分類(lèi)：技術(shù)論文
上傳者：wwei
文檔大?。?span>4138 K
標(biāo)簽： SF6斷路器 貝葉斯優(yōu)化 特征選擇
所需積分：0分積分不夠怎么辦？
文檔介紹：SF6（六氟化硫）斷路器是保障電網(wǎng)穩(wěn)定運(yùn)行的重要設(shè)備，但其在長(zhǎng)期使用中容易發(fā)生漏氣問(wèn)題，既影響設(shè)備性能，又威脅電網(wǎng)的安全性。為精準(zhǔn)診斷SF6斷路器的漏氣故障，提出了一種基于Gini指數(shù)特征選擇和貝葉斯優(yōu)化（Bayesian Optimization， BO）的CNN-BiLSTM-Attention組合模型。首先，針對(duì)影響SF6斷路器漏氣的內(nèi)外部因素，進(jìn)行特征映射與重要性分析，并采用KMeans-SMOTE技術(shù)解決數(shù)據(jù)分布不均的問(wèn)題。其次，利用基于Gini指數(shù)的方法篩選關(guān)鍵特征，并通過(guò)貝葉斯優(yōu)化精調(diào)CNN-BiLSTM-Attention模型的超參數(shù)以提升分類(lèi)性能。實(shí)驗(yàn)結(jié)果表明，設(shè)備缺陷、運(yùn)行年限、運(yùn)維水平、天氣和溫度是導(dǎo)致漏氣的主要因素。與其他模型相比，所提方法在漏氣故障的0/1分類(lèi)任務(wù)中展現(xiàn)出更高的分類(lèi)精度和魯棒性。研究不僅驗(yàn)證了方法的有效性，還揭示了引發(fā)SF6斷路器漏氣的關(guān)鍵因素，為設(shè)備巡檢和運(yùn)維管理提供了科學(xué)支持，進(jìn)一步提升了電網(wǎng)運(yùn)行的安全性與可靠性。
現(xiàn)在下載
VIP會(huì)員，AET專(zhuān)家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。