其他
【精彩论文】基于XGBoost算法的配网台区低压跳闸概率预测
引文信息
吴琼, 余文铖, 洪海生, 等. 基于XGBoost算法的配网台区低压跳闸概率预测[J]. 中国电力, 2020, 53(4): 105-113.WU Qiong, YU Wencheng, HONG Haisheng, et al. Probability prediction of low-voltage tripping failures in distribution transformer station areas based on xgboost algorithm[J]. Electric Power, 2020, 53(4): 105-113.
内容摘要
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。
往期回顾
◀【征稿启事】“电力信息通信新技术在能源互联网中的研究与应用”专题征稿启事
编辑：杨彪
审核：许晓艳
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。