【精彩论文】基于XGBoost算法的配网台区低压跳闸概率预测

观点凝练

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。
结论：针对配网台区低压跳闸风险，提出了一种基于iForest-SMOTE-NC-XGBoost算法的低压跳闸概率预测模型，通过实例仿真可知：提出的数据处理组合方法可有效解决异常数据和数据不平衡的问题；采用滑窗法对历史数据进行动态划分，使得数据处理与模型训练过程的算法参数随时间滑动更新，避免人为参与繁琐的选参工作；模型预测结果能使运维人员精准定位高风险台区，合理配置抢修资源，为优化运维策略和技术改造计划提供的决策支持。

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.

 往期回顾 

编辑：杨彪

审核：方彤

声明

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。