周弘毅，夏 磊

（国电南瑞科技股份有限公司，江苏 南京）

引言

随着电力系统的发展，电气设备的容量也不断增加。电气设备的安全关系到电力系统的平稳性。为了避免电气设备的故障问题，研究人员从设备异常振动方面着手，设计了相关的设备异常振动识别方法。其中，基于EMD-LS-MFDFA 法的异常振动识别方法利用经验模态分解的方式，将设备异常振动信号提取出来，再结合最小二乘法对振动信号特征进行优化拟合，最后使用多重分形去趋势波动分析法分析设备异常振动信号[1]。基于此，结合EMD、LS、MFDFA 等方法，将异常振动信号以特征参数的形式呈现，从而减少振动识别误差。基于迁移学习的设备异常振动识别方法利用迁移学习，对复杂环境下的设备异常振动情况进行精准识别，从而优化差异性正则化损失函数，获得更加有效的识别模型[2]。

然而，以上两种方法易受到异常谐波的影响，导致识别结果存在一定的随机误差。因此，本文利用随机森林算法，设计了新的电气设备异常振动识别方法。

1 电气设备异常振动随机森林识别方法设计

1.1 提取电气设备异常振动谐波特征

谐波是电气设备异常振动中非周期性波形，谐波电流是正常振动电流的整数倍。对于电气设备而言，异常振动谐波包括分数谐波、间谐波、次谐波，只有将所有异常振动谐波特征均提取出来，才能对电气设备的非线性谐波分量进行分析，确定电气设备异常振动的类型[3]。在电气设备的固定设备中，谐波是非线性产生的，利用波形控制找出异常振动谐波发生源。……