基于生成对抗网络和随机森林算法的配变低压跳闸预测

• 作者: 殷豪 丁伟锋 陈嘉铭 陈顺 欧祖宏 孟安波
• 来源期刊: 高电压技术
• 关键词: 配变台区 低压跳闸预测 NCL欠采样 稀疏自编码器 生成对抗网络 随机森林
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 智能配电网状态估计和态势感知专题|State Estimation and Situational Awareness of Smart Distribution Network
• 页码范围: 2321-2329
• 页数: 9页
• 语种: 中文
• DOI: 10.13336/j.1003-6520.hve.20210299

摘要

配变台区低压跳闸预测对供电部门掌握配电网运行态势至关重要.针对传统处理样本不平衡抽样方法容易造成信息丢失、引入噪声的缺陷,提出了一种领域清理(neighbourhood clean rule,NCL)欠采样和生成对抗网络组合的不平衡数据处理方法.首先采用NCL欠采样合理清除正常运行样本;然后采用稀疏自编码器学习大规模配变影响因素的内在特征,使用生成对抗网络去拟合、生成新的特征表示,并对其解码得到新跳闸样本;最后为了处理高维特征输入下的分类问题,使用随机森林分类器对目标配变进行低压跳闸预测,并依据跳闸概率进一步建立风险等级划分机制.以某地区配变为例进行建模预测,实验结果表明,所提模型在目标配变的预测准确率为99.65％,能有效预测低压跳闸事件和定位高风险台区.