220~750kV变电站二次系统故障诊断方法

针对目前智能变电站二次系统故障诊断存在训练效率低、检测结果不准确的问题,提出了一种基于梯度提升决策树(gradient boosting decision tree,GBDT)多分类器的智能变电站二次系统故障诊断方法。通过分析保护系统装置的报警信息、自检信息、采样值信息和故障维护记录数据,建立了智能变电站二次系统故障分类和故障特征信息,提高响应速度和收敛速度。将历史故障数据输入到GBDT多分类器中,通过训练实现故障的有效分类。实验阶段,GBDT多分类器训练对于保护系统故障诊断的准确度为99.05%。与RNN和RF相比,GBDT多分类器具有较高的准确率和高效的训练效果,且在故障特征信息误报的情况下具有较高的准确度。