[发明专利]一种基于异常值检测和抽样技术的10kV配变低压跳闸预测方法

摘要

本发明公开了一种基于异常值检测和抽样技术的10kV配变低压跳闸预测方法，包括下述步骤：步骤一，获取关于公变台区低压跳闸的特征变量数据，并对数据进行清洗和整理；步骤二，数据划分；明确预测月份，预测月份称为测试集，将预测月份前的历史数据作为训练样本，采用滑窗法将训练样本划分为训练集和验证集，验证集一般选定为目标月份的前三个月数据，训练集为验证集前一年的数据；本发明直接将低压跳闸作为预测目标，相比使用配变负荷预测和配变重过载预测来定位低压跳闸高风险台区，有更高的预测准确率和预测覆盖率。

主权项

1.一种基于异常值检测和抽样技术的10kV配变低压跳闸预测方法，其特征在于，包括下述步骤：步骤一，获取关于公变台区低压跳闸的特征变量数据，并对数据进行清洗和整理；步骤二，数据划分；明确预测月份，预测月份称为测试集，将预测月份前的历史数据作为训练样本，采用滑窗法将训练样本划分为训练集和验证集，验证集一般选定为目标月份的前三个月数据，训练集为验证集前一年的数据；步骤三，每次训练模型前，采用Isolation Forest隔离森林算法对训练集数据中少数类样本进行离群值检测，从而保证经过抽样步骤所参照的原始数据质量；步骤四，对于训练集中剔除离群值后的少数类样本，采用SMOTE‑NC过抽样算法进行合成新的少数类样本，直至设置的样本数目达到预设的少数类和多数类样本比例，从而解决训练集中数据不平衡问题；步骤五，使用获取的新训练集配合不同的参数组合进行模型训练，并输入验证集特征变量，预测出验证集周期内的每日跳闸概率；步骤六，以配变在验证集所在标准月内最高的日跳闸概率作为该配变在该标准月的跳闸概率，然后以月度为评价周期，使用ROC曲线面积—AUC，进行模型评价，选取出验证集AUC平均评价最高的一组参数组合；步骤七，优化后的参数组合和预测目标月份前一年的历史数据作为新的输入，重复离群值剔除和重抽样过程，模型训练完毕；输入预测目标月份每日的特征变量，得出预测目标月份每日的跳闸概率值，其中各配变日最高跳闸概率为配变在该标准月的跳闸概率。