基于XGBoost算法的配网台区低压跳闸概率预测

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.

关键词：配网台区、低压跳闸、机器学习、不平衡数据集、XGBoost

所属期刊栏目：53

在线出版日期：2020-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：105-113