电网技术

2021, v.45;No.446(01) 107-114

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于不均衡数据集成学习的大型电力变压器状态评价方法
Ensemble Learning Method for Large-Scale Power Transformer Status Evaluation Based on Imbalanced Data

韩笑;王新迎;韩帅;张玉天;王继业;

摘要(Abstract):

大型电力变压器构造复杂,设备成本高,是电力系统的关键组成部分,其运行状态与电力系统的安全稳定密切相关,因此变压器状态评价已成为常态运维业务工作。然而目前状态评价工作严重依赖导则与专家经验,人力成本高,易受到主观影响;而已有模型往往直接应用标准算法,在实际生产环境中表现不佳。针对目前大型电力变压器状态评价在数据质量、样本分布、应用需求与模型表现等方面存在的问题,提出了一种新的评价模型。首先,剔除了无效样本并设计了一种交叉权重方法来标记有效样本;之后,按照数据完整程度区分状态量并对其进行特征提取和高维映射,再拆分数据集得到多个完备训练数据集;然后,应用SMOTEBORDERLINE算法来合成正样本,得到多个完备均衡训练数据集;最后,并行化训练多个代价敏感修正的支持向量机(support vector machine,SVM)组件学习器,并通过权重投票法形成集成学习器。所提出的模型考虑了不均衡数据集与代价敏感所带来的影响,利用集成学习提高了模型的泛化能力,经过实际生产环境验证表现良好,与传统方法相比,显著降低了非正常状态样本的误判率与漏判率。

关键词(KeyWords): 状态评价;状态评估;电力变压器;不均衡学习;集成学习;机器学习;人工智能

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(61703379):基于随机映射神经网络的电力大数据预测方法研究~~

作者(Author): 韩笑;王新迎;韩帅;张玉天;王继业;

Email:

DOI: 10.13335/j.1000-3673.pst.2019.2180

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享