基于漏电流测量的架空线绝缘子状态监测方法
人工智能
2024-07-31 v1 统计计算
机器学习
摘要
作为一种新型实用且经济的架空线(OHL)资产老化解决方案，全球大多数电网公司的技术政策正逐渐从计划内的预防性维护转向基于风险的资产管理方法。尽管污染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进行更换计划。本文提出了一种新型基于机器学习(ML)的方法，用于估计杯型夹针玻璃绝缘子串的闪络概率。该方法基于极端梯度提升(XGBoost)监督式ML模型，其中漏电流(LC)特征和施加电压用作输入。建立的模型可估算各种设计的OHL绝缘子在不同电压等级下的临界闪络电压(U50%)。该方法还能准确确定绝缘子串的状态，并指导资产管理工程师采取 appropriate actions。
引用
@article{arxiv.2407.20287,
title = {Variational Inference Using Material Point Method},
author = {Yongchao Huang},
journal= {arXiv preprint arXiv:2407.20287},
year = {2024}
}