基于XGBoost算法的配网台区低压跳闸概率预测

• 作者: 余文铖 刘哲 吴琼 喻蕾 尚明远 段炼 洪海生
• 来源期刊: 中国电力
• 关键词: 配网台区 低压跳闸 机器学习 不平衡数据集 XGBoost
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 电网
• 页码范围: 105-113
• 页数: 9页
• 字数: 6299字
• 语种: 中文
• DOI: 10.11930/j.issn.1004-9649.201908140

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴琼		4	15	3.0	3.0
2	洪海生		11	26	3.0	4.0
3	余文铖		2	1	1.0	1.0
4	喻蕾		1	0	0.0	0.0
5	段炼		2	0	0.0	0.0
6	尚明远		1	0	0.0	0.0
7	刘哲		1	0	0.0	0.0