[发明专利]一种基于XGBoost的特高压换流阀运行状态评估方法

说明书

本发明公开了一种基于XGBoost的特高压换流阀运行状态评估方法，包括如下步骤：输入换流阀状态数据集；对数据集进行预处理，实现数据均衡化；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；根据预处理后的换流阀状态数据集，利用评估模型对换流阀运行状态进行评估。本发明在对特高压换流阀状态评估方面具有更高的准确率，算法简单且易于实现，对各特征的贡献度实现可视化，在一定程度上帮助工程人员正确判断换流阀的状态等级及产生原因，为特高压换流阀的检修决策提供针对性的理论指导，应用价值和前景巨大。

技术领域

本发明涉及特高压换流阀运行状态评估方法，具体涉及一种基于XGBoost的特高压换流阀运行状态评估方法。

背景技术

中国是目前世界上运行与在建直流工程最多、容量最大、电压等级最高的直流输电大国。随着直流工程的增加和电网规模的扩大，电网对直流输电系统的可靠性指标要求也越来越高。特高压换流阀是目前特高压直流输电的核心设备，起着整流、逆变、开关等关键作用。一旦换流阀换相失败，将会直接导致直流侧电压下降、电流增大，严重时甚至可能导致功率传输中断，影响电网的运行安全。

目前国内换流站主要采用计划检修的方式，通过安排全站停电，集中开展年度检修。然而，计划检修的停电时间较长，会对直流输电系统的经济效益产生负面影响。近年来，国内积极推行针对性和效率更高的状态检修，其中，状态确定与评估是开展状态检修的基础工作。由于换流阀在线监测技术发展缓慢，评估技术标准不完善，目前仍没有一套可靠的状态确定体系。评分法、灰色聚类与层次分析需要人为设定的因素较多，主观性过强；人工神经网络、深度学习的模型较为复杂，训练时间长，且容易产生过拟合。相对于普通的电力设备，换流阀包含的部件更多，影响其运行状态的因素也更加复杂，利用上述传统分类方法难以对换流阀进行有效的状态评估。此外，准确的状态评估需要足够多的历史故障样本作为支撑，然而目前国内投运的换流阀可靠性较高，非正常运行状态的样本较少，难以将模型训练至理想水平，从而导致基于上述方法的换流阀评估模型准确率较低。

针对以上问题，一种更加客观、评估正确率更高、不依赖于足量均衡样本的换流阀运行状态评估方法是亟需解决的问题。

发明内容

发明目的：为了克服现有技术中存在的不足，提供一种基于XGBoost的特高压换流阀运行状态评估方法，以有效避免传统方法中主观性强、评估效率不足、过于依赖样本质量等问题，在对特高压换流阀状态评估方面具有更高的准确率，算法简单且易于实现，对各特征的贡献度实现可视化，在一定程度上帮助工程人员正确判断换流阀的状态等级及产生原因，为特高压换流阀的检修决策提供针对性的理论指导，应用价值和前景巨大。

技术方案：为实现上述目的，本发明提供一种基于XGBoost的特高压换流阀运行状态评估方法，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。

进一步地，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。

进一步地，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，共计选择42个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。