电力工业论文_基于改进XGBoost算法的XLPE电缆

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

作者:

关键词:

摘要：

文章摘要:局部放电模式识别对交联聚乙烯（XLPE）电缆绝缘性能的判定具有重要意义。在XLPE电缆的局部放电模式识别的研究中，传统机器学习算法存在收敛速度慢、易过拟合、识别准确率低等问题。文章采用一种基于改进XGBoost算法的XLPE电缆局部放电模式识别方法。通过搭建电缆局部放电试验平台人为构造四种35kV XLPE电缆局部放电缺陷模型进而获取原始数据，利用MATLAB软件完成统计特征参数的计算，以特征参数为输入量，放电类型预测结果为输出量，通过交叉验证、学习曲线确定最优参数进而得到有效的模式识别模型。实验分析结果表明，与决策树、随机森林、BP神经网络和SVM等局部放电模式识别方法相比，文中方法可进一步提升识别准确率，总体识别准确率为96.93%。

文章关键词:

项目基金:《模式识别与人工智能》网址: http://www.mssbyrgznqks.cn/qikandaodu/2022/0113/782.html