用于输电系统故障检测与分类的混合两阶段机器学习流水线

摘要

针对高压输电故障数据不均衡和部分故障特征落入正常运行区间、导致单模型在安全关键情形失效，本文提出两阶段混合流水线：阶段1用Isolation Forest异常检测，并对异常检测器无法分辨的故障类自动加入监督二分类分支，经OR融合规则；无此类时省略。阶段2仅对标记样本用Random Forest分类。将6个原始通道映射为18个特征，含基于Fortescue定理的零序对称分量，L个测点共18L个。TLFaultDataset上线路故障端到端准确率从31.3%升至95.8%；独立单测点数据集全类准确率97.25%，超过TLFed基准94.84%，无需GPU或联邦基础设施，CPU耗时0.05 ms/样本。零序特征解决三相与三相接地混淆，使该类对F1从0.39升至0.997；零序方向随系统而定，宜学习决策边界而非固定继电器阈值。