基于随机森林算法的输变电工程线路故障实时检测方法.pdf

2023年9月计算机应用文摘第39 卷第19 期基于随机森林算法的输变电工程线路故障实时检测方法黄长军（恩施永扬水利电力工程建设有限责任公司恩施市分公司，湖北恩施4450 0 0）摘要：为解决目前输变电工程线路故障实时检测速度慢、效率低等一系列问题，文章提出基于随机森林算法的输变电工程线路故障实时检测方法，首先基于随机森林算法计算出故障模型的准确率，使线路故障的预测得到很大的提升；然后提取输变电故障线路的特征，判断发生故障时产生的暂态电流能量；最后检测并生成工程线路故障信息，保证工程线路故障实时检测的准确性。实验结果表明，基于随机森林算法的输变电工程线路故障实时检测方法的检测速度相较于ELM算法、传统方法分别快12.41fps,92.13fps，可以满足当前输变电工程线路故障高效检测的要求。关键词：随机森林算法；输变电；故障；检测HUANG ChangjunEnshi,Hubei 445000,China)中图法分类号：D26Real-time detection method of power transmission andtransformation engineering line fault based on random forest algorithm(Enshi Branch,Enshi Yongyang Water Conservancy and Electric Power Engineering Construction Co.,Ltd.,Abstract:In order to solve a series of problems such as slow real-time detection speed and lowefficiency of power transmission and transformation engineering line faults at present,this paperproposes a real-time detection method for power transmission and transformation engineering linefaults based on random forest algorithm.The prediction of line faults has been greatly improved,then the characteristics of power transmission and transformation faulty lines are extracted to judgethe transient current energy generated when faults occur,finally,the fault information ofengineering lines is generated to ensure the accuracy of real-time detection of engineering line faults.The experimental results show that the detection speed of the real-time detection method of powertransmission and transformation engineering line faults based on the random forest algorithm is 12.41fps and 92.13 fps faster than that of the ELM algorithm and the traditional method,respectively,which can meet the current requirements of efficient fault detection of power transmission andtransformation engineering lines.Key words:random forest algorithm,power transmission and transformation,fault,detection1引言在输变电工程线路中高效地检测故障是一项具有挑战性的工作,传统的故障检测方法只关注单一的部件故障，并且通常将故障检测工作分成两步：首先对电气元件进行检测；然后对其进行故障分析。采用分段式的检测方式增加了算法所需的时间,并且不能实现“端到端”的最优性，现有的故障检测方法很难满足目前多类型故障的检测要求1。随着现代电网的规模越来越大,输变电工程线路的电压等级和输电容量也在持续增长。输变电线路事故会对工程企业和人们的生活带来极大的冲击，为了在发生故障后尽快文献标识码A恢复电力的正常输送，需要快速、准确地诊断出各种故障的类型2 。2基于随机森林算法的输变电工程线路故障实时检测方法随机森林算法具有结构简单、检测准确度高以及速度快等特点,切合在输变电工程线路中的故障实时检测方法3。2.1基于随机森林算法计算故障模型准确率随机森林算法是在CART分类算法的基础上,基于随机决策森林的算法使用行、列变量数据对训练学习产生的分类树进行随机组合，汇总成随机森林总2023 年第19期和。在不增加计算量的情况下,随机森林模型的预测准确率得到了很大的提升。随机森林模型是一种专门针对高维小样本数据的分类与估计方法，可以很好地描述多个属性之间的关系，因此被广泛用于高维小样本数据的估计。随机森林算法的步骤如下：（1)采集数据,组成一个训练集,并使用数据挖掘中常见的识别故障方法来转换数据；（2)使用随机森林算法，按照抽样规则从训练集中随机抽取k个样本，样本的容量估计为数据集的三分之二,并且子数据集的容量与原始数据集相同4,得到了k种分类模型的序列a1(X）,a 2(X)，,a s（X)；（3)得出的多分类模型系统在训练结束之后由分类模型序列通过随机森林模型对新样本计算出平均所有回归树的判断值,并决定了最后的类型5基于随机森林算法的决策树的规模达到一定数量后,基于大数定理能够得出：决策树分类的误差趋近于以下数据，定义公式如下：Px,(Pp(a(x,)=y)-max Pp(a(x,)=j)0)式中,为随机向量。如果随机森林决策树的规模越来越大，它的误差数值将会达到一上界值，计算公式如下：(s=Qx.,ymr(x,y)(Al(1-s?)/s2式中,s为分类强度,mr（x,y）为随机算法中的边缘函数,l为平均相关系数,A为误差数值。在训练数据集中,没有被随机森林模型抽中的训练数据集中T样本可以作为评价算法性能的指标,并将T作为随机森林模型的一个无偏估计。决策树计算T的准确率计算公式如下：TC(i)=TS(i)式中,TCN为获得总正确分类结果的数量,TS为T(i)样本的数值。由式(3)可以得出决策树训练集样本的准确率，根据结果使用投票原则决定实际使用的分类树以及分类原则6 2.2提取输变电故障线路的特征由2.1节计算出的决策树训练集样本的准确率在原始数据中有些特征是用文字描述的，它们必须被转化成分类的数据,才能进行算法的输人；而有些特征是数值型的,在被使用及分类时，它们也必须被转化成分类的数据,才能进行算法的输入。因此,可以制定几条转换规则,将这些特征之间的关系进行映射7 计算机应用文摘AEAB=(EA-EB)-(EL01-EL0)式中,EJ0,E0为发生故障前A,B相电流的数值。EA,EB为发生故障后A,B相电流的数值8 。当输变电线路发生故障时，相电流差的突变量得到了输出，而电路正常运行时，相电流差的突变量的数值则趋近于0。一个周期内的相电流差的突变量的有效数值的计算公式如下：WE=w台式中,E为相电流差突变量,W为一个周期内采样点的数量。在输变电线路中,相间电流差突变量的比例系数存在着显著的差别,并且对过渡电阻、故障时刻、故障位置的差异性等因素不敏感，具有很好的抗干扰性，可以作为对输电线路故障进行诊断的故障特征量。但是相间电流差突变量的比例系数并未包含与接地故障有关的信息，不能对线路是否出现接地故障进行有效的判定,因此需要引入其他故障特征量9(1)零序故障电流在输变电线路发生故障时的表达公式为：E=小波变换具有较强的时频局域性，能够更好地表(2)征被测信号的时频域特征，利用小波能够有效提取故障电流的瞬态能量，为输电线的故障实时监测提供特征量。输变电线路发生故障时的暂态电流能量主要位于150 0 MHz之内,并且暂态电流能量集中在四个高频细节信号的范围内,对其进行归一化处理后,线路特征的计算公式如下：TCN(i)8(3)R,=2,I dg(k)12j=5式中,d,为EA,E的高频细节信号系数，j为小波分解的层数。当输电线路发生接地故障时，暂态零序电流的能量相对较大；当输电线路因接地故障发生单相接地故障时,其暂态能量相较于非故障相间的暂态能量要大得多；当输电线路接地故障为双相接地时，这两个故障相间瞬态能量都较大,而在非故障相中,这两个故障相间瞬态能量相对小得多。在输电线路中,不接地故障导致的零序电流能量接近于零；在两相不接地的情况下，不接地故障导致的瞬态电流能量接近于零；在三相短路的情况下，每相都会有大量的瞬态电流成分10 。O121(4).1Ai(t)12(5)A+EB)(6)(7)输变电工程的线路发生故障时电路的电流差突变量的计算公式如下：2.3检测并生成工程线路故障信息在提取输变电线路特征后,生成基于随机森林算决策树数量122法的分类器,该分类器具有良好的分类性能，不需要单棵决策树具有很强的分类能力，且每棵决策树都随机产生独立投票,其结果是由多个决策树共同“投票”而得到的。由于近年来计算机性能的提升，基于随机森林算法的工程故障检测方法得到了有效发展，提取特征后使用随机森林分类器进行信息的类别预测。传统的故障检测方法在生成推荐时，会出现过多的无效推荐区域,导致分类准确率大幅降低。另外，传统的故障检测方法所使用的特征都是人工设定,不具有普适性。传统的检测方法所使用的特征描述都是建立在底层视觉指标的基础上，很难从复杂的场景中获取有用的信息，并且传统的故障探测方法没有采用端到端的方式，很难得到全局最优的结果。本文方法在检测准确率上大幅度超过了传统故障检测方法11随机森林模型的系数一般较小，但只要采用了默认的系数,就能够得出相关结论，也使得输电线路故障划分的方法显得更为简单。由于随机森林模型的执行效率较高,输电线路故障划分的实时性也得到了很大的改善。同时，该算法的分类稳定性好且准确性高，还能够对局部信息遗漏情况加以处理，从而能够很好地提高输变电线路事故测量的精度。图1为线路故障预测的流程图。数据预处理模型训练故障预测立输出预测结果结束图1预测流程在此基础上,得到故障后各相间电流突变量的正确性,进而得到故障时三相间不同相间电流的正相关性,并将其与正确性等因素结合起来，建立故障时三相间电流正相关性的数学模型,并将两个特征量相结合,建立基于随机森林的输变电网故障诊断方法12 该方法可以有效克服传统方法计算复杂度高、正负样本分布不均衡等缺点。本文方法的目标故障由一个中心点、偏移量和目标宽高组成，利用关键点特性图中的局部尖峰来确定目标中心点的位置,再利用两条并行的支路分别提取目标中心点的偏移量和宽高，最后将两条支路进行融合，得到目标故障信息的边界框架,通过训练后的随机森林分类算法，将其输入输电线路中,从而得到相应的故障检测结果。计算机应用文摘3实实验测试3.1实验数据为测试基于随机森林算法的输变电工程线路故障实时检测方法的有效性，现进行实验测试，根据我国输变电线路架构与设计的要求,建立50 0 kV的输变电路仿真模拟计算模型,模型参数如表1所列。表1输变电线路模型参数线路编号长度/km电阻/传播速度(Us/km)本次实验在线路检测模型下对三种方法进行测试,其中一种为基于随机森林算法的线路故障实时检测方法,另外两种方法为ELM算法、传统方法。根据建立的模型检测不同故障的产生时刻、电阻、位置、类型，提取这些故障的特征并建立对应的训练样本,不同类型故障的有效训练样本的总数为50 0。图2 为通过实验得出的不同决策树数量下训练集的错误率。30.0200.015H开始0.0100.0050由图2 可以看出，当决策树数量达到7 5时，训练集的错误率为0%。随机森林算法的数据参数如表2所列。表2 随机森林算法的数据参数相关参数输入特征量长度输出结果种类决策树数量最小节点尺寸3.2实验结果与分析在实验过程中，传统方法通过在数据集上进行预训练得出初始权重，再进行模型模拟训练，将训练数据样本转化为512 512 的分辨率并将其输入网络模型中,最后采用优化器进行整体优化。ELM算法是对故障量进行区间划分，将故障量聚类成K个类簇，故障量被聚类的类别就是被划分的区间，然后将故障原2023年第19 期A2000.271+j0.9763.63150100图2 错误率曲线150数值8157552023 年第19期始数据映射在每个分类中。三种方法下得出的实验结果如表3所列。表3检测结果检测速度/fps方法实验方法ELM算法传统方法由表3可以看出,基于随机森林算法的输变电工程线路故障实时检测方法的检测速度要远远小于传统方法,ELM算法相较于传统方法,其性能也更优秀。相较于ELM算法、传统方法，本文方法的检测速度分别快12.41fps,92.13fps可以满足当前高效检测输变电工程线路故障的要求。4结束语本文以随机森林算法为基础，以故障电流瞬态能量与各相间电流突变率的比值为特征量，通过对不同故障电压突变率的分析,实现不同相间电压突变率的准确识别,进而对不同输变电工程线路的故障进行实时检测。通过对不同故障时刻、不同过渡电阻、不同故障部位的输变电线路进行故障诊断，与其他几种故障诊断方法相比,实验证明本文方法对不同类型的故障都有较高的精度,且对不同类型的故障都有较好的适应性。该方法切实可行、效果显著，对各种条件下的输变电线路故障诊断具有一定的参考价值。参考文献：1谢桦,陈俊星,郭志星，等.基于随机森林算法的架空输电计算机应用文摘线路状态评价方法J.现代电力，2 0 2 0,37（6）：559-56 5.2刘红梅,李训潮，谭孟元，等.一种基于随机森林算法的NFV电信云平台故障检测方法J.山东通信技术,2 0 2 0，40(3):9-12.3朱琪,林果园.基于改进随机森林算法的钓鱼网站检测方27.07法研究J.微电子学与计算机,2 0 19,36（4）：43-46+51.39.484吴忠强，曹碧莲,侯林成，等.基于小波包变换和随机森林119.20算法的光伏系统故障分类J.计量学报，2 0 2 1,42（12：1650-1657.5林龙生，王文文.基于随机森林算法的煤层预测方法研究J.煤炭技术,2 0 2 1,40(7):2 0-2 1.6赵锐,赵国伟,赵杰伦，等.改进CenterNet的高压输电线路巡检故障实时检测方法J.计算机工程与应用,2 0 2 1,57(17):246-252.7】李明坤.输变电工程电气施工项目管理J.科技创新与应用,2 0 2 0(2 0):18 7-18 8.8】张迪，樊绍胜.基于YOLOV3的输电线路故障检测方法J.自动化技术与应用,2 0 19,38（7）：12 5-12 9.9戴大治.输配电及用电工程线路安全运行的问题及其技术探讨J.科学技术创新,2 0 19（12）：52-53.10 吕志宁.输电线路常见故障分析与检测方法综述J.自动化与仪器仪表,2 0 2 0（1）：16 1-16 4+16 8.11 杨杰,陈佳豪,顾小平,等.T接输电线路故障诊断研究综述J.电工材料,2 0 2 2(5)：55-59.12】刘英培,王祥宇,王鑫明,等.基于感应电压特征停运输电线路故障识别方法J.华北电力大学学报（自然科学版),2 0 2 2,49(4):14-2 2+32.作者简介：黄长军（197 9一），本科，工程师，研究方向：输变电工程。123