首页|基于XGBoost算法的配网台区低压跳闸概率预测

基于XGBoost算法的配网台区低压跳闸概率预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对配网台区在夏季频繁出现低压跳闸故障的问题,提出基于机器学习的台区低压跳闸预警模型.首先,采用孤立森林和改进的合成少数类过采样技术(synthetic minority oversampling technique-nominal continuous,SMOTE-NC)算法的组合方法进行数据处理,在实现离群值分离的基础上,对包含多种数值类型的故障样本进行过采样,以解决样本不平衡问题.其次,利用优化的数据集训练极端梯度提升算法(extreme gradient boosting,XGBoost)分类器模型,对目标台区的低压跳闸故障概率进行预测.最后,以广州某地区的实测数据对算法的有效性进行验证,结果显示所提模型具有良好的应用效果.
Probability Prediction of Low-voltage Tripping Failures in Distribution Transformer Station Areas Based on XGBoost Algorithm

吴琼、余文铖、洪海生、喻蕾、段炼、尚明远、刘哲

展开 >

广州供电局有限公司,广东广州 510006

配网台区 低压跳闸 机器学习 不平衡数据集 XGBoost

2020

中国电力
国网能源研究院 中国电机工程学会

中国电力

CSTPCDCSCD北大核心
影响因子：1.463
ISSN：1004-9649
年,卷(期)：2020.53(4)
  • 13
  • 17