摘要:为实现柱上断路器运行状态的智能高效诊断，提出一种基于随机森林（random forest, RF）的特征优选算法，并利用遗传模拟退火算法（annealing evolution algorithm,AEA）优化残差神经网络（residual neural network,ResNet），实现设备状态的智能预测。首先构建包含22维特征的断路器运行状态数据库，通过RF算法计算各特征的重要度指标，并通过序列反向搜索的方式保留11维特征作为后续模型的输入。然后，利用AEA算法对ResNet的网络结构进行迭代优化，识别最优参数用于模型预测。最后，仿真结果表明，RF算法可有效避免特征冗余，提高模型的预测性能。与传统预测模型相比，AEA?ResNet模型可以显著提升预测准确率，尤其在少数类样本的召回率和精度方面优势明显。