报告详情
High-Resistance Fault Identification and Classification Method Based on Multi-Feature Quantity Fusion
编号：33
访问权限：仅限参会人
更新：2025-10-11 22:18:44 浏览：5次
口头报告
报告开始：暂无开始时间（Asia/Shanghai）
报告时间：暂无持续时间
所在会场：[暂无会议] [暂无会议段]
暂无文件
摘要
高阻抗接地故障 （HIF） 由于电流弱、随机性和对噪声的敏感性而带来了重大挑战，使得传统方法难以准确检测。本研究提出了一种基于随机森林的分类方法，该分类方法整合了多维特征，以解决这些问题。构建了10kV实景式试验平台，模拟了树木接触、草地、水泥接地等典型故障场景。同步采集电流-电压波形和环境参数。通过时频域分析，提取了包括三/五谐波分量、能量熵在内的9个特征参数，构建了一个全面的数据集。采用超带hy-perparameter优化算法对随机森林参数进行动态优化，提高了对细微故障差异的敏感性。实验结果显示，在识别四种 HIF 类型和正常状态方面具有超过 99% 的准确率，优于梯度提升决策树 （GBDT） 和支持向量机 （SVM） 等传统模型。这种方法为快速故障定位和风险评估提供了有效的解决方案，提供了巨大的工程价值。
关键词
High impedance grounding faults; Random Forest; multi-dimensional feature fusion; time-frequency domain analysis; current harmonics
报告人
兆臣 侯
研究生 长沙理工大学稿件作者
全部评论
重要日期
-
会议日期
11月07日
2025
至11月09日
2025
-
10月12日 2025
初稿截稿日期
-
10月20日 2025
注册截止日期
主办单位
IEEE西南交通大学IAS学生分会
承办单位
西南交通大学电气工程学院
SPACI车网关系研究室
四川大学电力系统稳定与高压直流输电研究团队
SPACI车网关系研究室
四川大学电力系统稳定与高压直流输电研究团队
发表评论