基于泄漏电流监测的架空线路绝缘子状态评估监督学习方法
机器学习
2024-07-31 v1 机器学习
摘要
作为解决架空线路（OHL）资产老化问题的一种新颖、实用且经济的方法，全球大多数电网公司的技术政策正逐步从计划性预防维护转向基于风险的资产管理。尽管污秽积累在一定程度上是可预测的，但目前尚无有效方法识别绝缘子闪络风险以规划其更换。本文提出了一种基于机器学习的新方法，用于估算帽型玻璃绝缘子串的闪络概率。所提出的方法基于极限梯度提升（XGBoost）监督学习模型，使用泄漏电流（LC）特征和施加电压作为输入。该模型能够估算不同设计、不同电压等级的 OHL 绝缘子的临界闪络电压（U50%）。该方法还能准确判断绝缘子串的状态，并指导资产管理工程师采取适当的行动。
引用
@article{arxiv.2407.20288,
title = {Supervised Learning based Method for Condition Monitoring of Overhead Line Insulators using Leakage Current Measurement},
author = {Mile Mitrovic and Dmitry Titov and Klim Volkhov and Irina Lukicheva and Andrey Kudryavzev and Petr Vorobev and Qi Li and Vladimir Terzija},
journal= {arXiv preprint arXiv:2407.20288},
year = {2024}
}
备注
10 pages, 9 figures