| 基于特征選擇和優化CNN-BiLSTM-Attention對SF6斷路器漏氣故障診斷 | |
| 所屬分類：技術論文 | |
| 上傳者：wwei | |
| 文檔大小：4138 K | |
| 標簽： SF6斷路器 貝葉斯優化 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）斷路器是保障電網穩定運行的重要設備，但其在長期使用中容易發生漏氣問題，既影響設備性能，又威脅電網的安全性。為精準診斷SF6斷路器的漏氣故障，提出了一種基于Gini指數特征選擇和貝葉斯優化（Bayesian Optimization， BO）的CNN-BiLSTM-Attention組合模型。首先，針對影響SF6斷路器漏氣的內外部因素，進行特征映射與重要性分析，并采用KMeans-SMOTE技術解決數據分布不均的問題。其次，利用基于Gini指數的方法篩選關鍵特征，并通過貝葉斯優化精調CNN-BiLSTM-Attention模型的超參數以提升分類性能。實驗結果表明，設備缺陷、運行年限、運維水平、天氣和溫度是導致漏氣的主要因素。與其他模型相比，所提方法在漏氣故障的0/1分類任務中展現出更高的分類精度和魯棒性。研究不僅驗證了方法的有效性，還揭示了引發SF6斷路器漏氣的關鍵因素，為設備巡檢和運維管理提供了科學支持，進一步提升了電網運行的安全性與可靠性。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2