广域级电网在运智能电能表的烧损故障关联分析和预测方法

• 作者: 谈丛 黄红桥 陈石东 李恺 解玉满 刘谋海
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 智能电表 电表故障 烧表预测 XGBoost算法 不平衡数据
• 年，卷（期）: 2022,（10）
• 所属期刊栏目: 电气与信息工程
• 页码范围: 175-182
• 页数: 7页
• 分类号: TM930.9
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2022237

摘要

针对智能电能表在运行过程中出现烧损的现象，在对各类因素进行关联分析后，提出了一种基于XGBoost算法的智能电能表烧损预测方法，以某省份2019—2020年的数据为例进行了测试验证 . 采用该方法结合电能表基本信息数据、运行数据和环境数据进行烧损识别，并与 K最邻近法（K-NearestNeighbor，KNN）、朴素贝叶斯和支持向量机等传统机器学习算法进行对比 . 结果表明，基于极限梯度提升算法（eXtreme Gradient Boosting，XGBoost）的算法精度达到 91%，召回率达到 66%，综合指标 F1达到 76.51%，远高于传统算法 . 算法模型在进行系统部署的过程中，运用长短期记忆算法（Long Short Term Memory，LSTM）对部分缺失值进行了填充，经试点验证，该模型可较为准确地预测低压台区电能表烧损现象.