[发明专利]一种基于XGBoost的特高压换流阀运行状态评估方法

权利要求书

1.一种基于XGBoost的特高压换流阀运行状态评估方法，其特征在于，包括如下步骤：

S1：输入换流阀状态数据集；

S2：对步骤S1的数据集进行预处理，实现数据均衡化；

S3：训练XGBoost分类器，结合K-fold交叉验证与网格搜索法获取评估模型的最优超参数；

S4：根据步骤S2中预处理后的换流阀状态数据集，利用步骤S3中的评估模型对换流阀运行状态进行评估。

2.根据权利要求1所述的一种基于XGBoost的特高压换流阀运行状态评估方法，其特征在于，所述步骤S1中换流阀状态数据集包括晶闸管组件、阀冷却组件、阀避雷器以及外部环境的特征指标。

3.根据权利要求2所述的一种基于XGBoost的特高压换流阀运行状态评估方法，其特征在于，所述步骤S1中特征指标的提取方法为：

A1：分析晶闸管组件、阀冷却组件、阀避雷器在特高压换流阀工作中承担的作用；

A2：计及环境因素对换流阀运行的影响，选择表征运行状态的状态量；

A3：对选择的各状态量进行量化；

A4：设定四种运行状态等级。

4.根据权利要求1所述的一种基于XGBoost的特高压换流阀运行状态评估方法，其特征在于，所述步骤S2中预处理的方法为：

B1：采用iForest算法剔除离群数据；

B2：采用SMOTE进行过采样，使得各状态等级的数据均衡化。

5.根据权利要求1所述的一种基于XGBoost的特高压换流阀运行状态评估方法，其特征在于，所述步骤S3具体为：

C1：选定需要寻优的参数，并设定各参数网格搜索的范围；

C2：逐个参数进行网格搜索，结合K-fold交叉验证法，将K个实验的准确率进行平均作为此模型下的性能指标；

C3：重复上述步骤，直至准确率满足要求，获取到评估模型的最优超参数。

6.根据权利要求5所述的一种基于XGBoost的特高压换流阀运行状态评估方法，其特征在于，所述步骤C3中评估模型的最优超参数的获取过程为：

D1：选择学习速率，设定提升器参数初始值，在每一次迭代中使用K-fold交叉验证，得到理想决策树数量；

D2：依据步骤D1确定学习速率与决策树数量，采用K-fold交叉验证法与网格搜索法进行各提升器参数的寻优；

D3：与步骤D2的方法相同，基于已有数据，调整正则化参数，降低过拟合；

D4：降低学习速率，确定模型的最终理想参数组合。

7.根据权利要求5所述的一种基于XGBoost的特高压换流阀运行状态评估方法，其特征在于，所述步骤C1中选定的参数为四种，分别为决策树数量、最大树深度、最小叶子节点样本权重和与学习率。

8.根据权利要求1所述的一种基于XGBoost的特高压换流阀运行状态评估方法，其特征在于，所述步骤S3中XGBoost算法目标函数为：

其中

该算法的目标是找到使式(1)最小的f_k；XGBoost对式(1)进行了优化，同时采用泰勒公式将其展开，如式(3)所示

式中：分别为损失函数的一次偏微分与二次偏微分；I_j＝{i|q(X_i)＝j}为叶子j的样本集；L^(p)相当于一个二次函数。