Presentation Details
  1. Home
  2. Presentation List
  3. Presentation Details
High-Resistance Fault Identification and Classification Method Based on Multi-Feature Quantity Fusion
ID：33 View Protection：ATTENDEE Updated Time：2025-11-03 11:19:03 Hits：549 Oral Presentation

Start Time：2025-11-09 09:15（Asia/Shanghai）

Duration：15min

Session：S5 5.AI-driven technology » S55.AI-driven technology

No files

Abstract
高阻抗接地故障 （HIF） 由于电流弱、随机性和对噪声的敏感性而带来了重大挑战，使得传统方法难以准确检测。本研究提出了一种基于随机森林的分类方法，该分类方法整合了多维特征，以解决这些问题。构建了10kV实景式试验平台，模拟了树木接触、草地、水泥接地等典型故障场景。同步采集电流-电压波形和环境参数。通过时频域分析，提取了包括三/五谐波分量、能量熵在内的9个特征参数，构建了一个全面的数据集。采用超带hy-perparameter优化算法对随机森林参数进行动态优化，提高了对细微故障差异的敏感性。实验结果显示，在识别四种 HIF 类型和正常状态方面具有超过 99% 的准确率，优于梯度提升决策树 （GBDT） 和支持向量机 （SVM） 等传统模型。这种方法为快速故障定位和风险评估提供了有效的解决方案，提供了巨大的工程价值。
Keywords
High impedance grounding faults; Random Forest; multi-dimensional feature fusion; time-frequency domain analysis; current harmonics
Speaker
Zhaochen Hou
Changsha University of Science and Technology

Submission Author
兆臣 侯 长沙理工大学
Submit Comment
Verify Code Change Another
All Comments
Important Date

  • Conference Date

    Nov 07

    2025

    to

    Nov 09

    2025

  • Oct 30 2025

    Draft paper submission deadline

  • Nov 10 2025

    Registration deadline

Sponsored By
IEEE西南交通大学IAS学生分会
Organized By
西南交通大学电气工程学院
SPACI车网关系研究室
四川大学电力系统稳定与高压直流输电研究团队
Contact Information
Login to view full contact details
Previous Conferences