10.16628/j.cnki.2095-8188.2022.02.002
基于多分类机器学习模型的智能电表故障预测
针对智能电表故障数据规模大、维度高、存在错误及异常数据的特点,提出了一种融合多分类机器学习模型的智能电表故障预测方法.采用正态分布补全及箱型图方法,对原始数据集进行缺失值填补及异常值替换;通过计算特征属性与故障类型的相关系数,消除不相关特征,形成特征子集;构建混合采样策略,解决故障数据不平衡问题.计算三种典型机器学习算法处理智能电表故障数据的预测准确率,构建混淆矩阵;计及各分类器的预测能力,构建多分类器融合决策函数.最后,分别采用公共数据集与实际用电数据作为样本,验证了所提方法的有效性.
智能电表、机器学习、数据预处理、融合算法、故障预测
TM73(输配电工程、电力网及电力系统)
中央高校基本科研业务项目;国网新疆电力有限公司科技项目
2022-05-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
6-11