基于机器学习的智能推荐技术在变压器选型中的应用

论文摘要

当前,电力设备选型主要依靠一些有经验的工程师根据其经验和国家标准来确定,然而在经验和标准都难以依靠的时候,可能会直接选择最昂贵或配置最顶级的设备,因此导致某种程度的资源浪费。文章基于大数据技术,运用随机森林算法对历史数据进行多元分类得到推荐模型,进而对电力设备选型给出智能推荐。基于本文形成的推荐模型准确率可达到75%以上,没有经验的相关人员也可以借助此模型进行设备选型,能够减少人力投入和对经验的过度依赖,且可以得到比经验选型更准确的结果,最终达到电力设备精细化管理的目标。

论文目录

• 0 引言
• 1 基于随机森林的设备选型智能推荐
•   1.1 随机森林
•   1.2 技术方案分析
•     1.2.1 大数据平台
•     1.2.2 数据分析挖掘组件Spark
•     1.2.3 基于Spark的程序开发
• 2 实验及结果分析
•   2.1 实验环境
•   2.2 数据集分析与处理
•   2.3 数据特征选择
•   2.4 模型构建及结果分析
• 3 结语

文章来源

类型: 期刊论文

作者: 刘伟,徐文峰

关键词: 大数据,机器学习,电力设备选型,随机森林,智能推荐

来源: 电力信息与通信技术 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 湖北华中电力科技开发有限责任公司

分类号: TM41;TP181

DOI: 10.16543/j.2095-641x.electric.power.ict.2019.05.004

页码: 19-24

总页数: 6

文件大小: 1524K

下载量: 88