基于GBDT的电力计量设备故障预测

论文摘要

电力计量设备的故障风险预测可以减少国家电网因为故障风险带来的损失。文中首先进行了数据的预处理和特征选取;其次,设计了基于GBDT的故障大类、故障小类以及设备寿命周期的预测;最后,对设计的模型进行了有效性和先进性的验证。实验在中国电力科研研究院提供的数据上进行。由实验结果可知,所提算法对6种故障类型的预测准确率为90.56%,查全率为92.95%,F1值为91.71%。相比回归、BP神经网络、Adaboost、决策树算法,梯度提升决策树算法在参数调优条件下的性能最优。

论文目录

• 1 相关理论
• 2 故障预测模型数据构建
•   2.1 数据预处理
•     1) 数据采样:
•     2) 变量选择:
•     3) 数据替换:
•     4) 过滤异常:
•     5) 变量替换:
•     6) 数据分割:
•   2.2 特征选取
•     2.2.1 原始数据抽取特征
•     2.2.2 气候特征
• 3 预测模型构建
• 4 实验与分析
•   4.1 数据说明
•     4.1.1 数据采样
•     4.1.2 变量选择
•     4.1.3 数据替换
•     4.1.4 过滤异常
•   4.2 有效性实验
•   4.3 先进性实验

文章来源

类型: 期刊论文

作者: 刘金硕,刘必为,张密,刘卿

关键词: 计量风险预测,数据清洗

来源: 计算机科学 2019年S1期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 电力工业

单位: 武汉大学国家网络安全学院,武汉大学计算机学院,中国电力科学研究院,天津电力科学研究院

基金: 国网公司总部科技项目,国家自然科学基金(61672393)资助

分类号: TM933.4

页码: 392-396

总页数: 5

文件大小: 361K

下载量: 274