基于机器学习算法进行电气设备故障的预测与诊断

城市照明系统是重要的公共基础设施，作为一种电气设备，其在运行过程中有可能出现各种故障，具体可分为配电系统故障和路灯节点故障。为了建立智能化的故障诊断和预测方法，以极限学习机(extreme learning machine, ELM)为基础，利用蒙特卡洛方法和自回归模型对其进行优化，并分别构建了AG-ELM和AR-ELM算法。基于AG-ELM算法诊断路灯节点故障，通过AR-ELM算法预测路灯电气配电系统故障。在性能检测阶段，收集某城市的路灯系统运行数据，检验故障诊断模型的准确率，结果为89.3%,故障预测模型的均方误差仅为0.055 2,说明2种模型都达到了较高的实用性。