[发明专利]一种基于随机森林算法的电容型设备缺陷预测方法

摘要

该发明公开了一种基于随机森林算法的电容型设备缺陷预测方法，属于人工智能领域，特别是变电，电容设备的缺陷预测。本发明采用数据量极为庞大，首先对数据进行清洗，将多余数据，重复数据进行删除，对数据格式进行统一，缺失数据进行填补，错误数据进行修改；然后对数据进行编码，采用编码输入预测模型，对预测模型进行训练，采用训练好的预测模型进行实时的预测目标设备。本发明预测精度高，实时性好。

主权项

1.一种基于随机森林算法的电容型设备缺陷预测方法，该方法包括：/n步骤1：获取所有大型电容型设备的所有数据信息,并对数据进行预处理；/n步骤1.1：大型电容型设备的数据信息包括如下多类数据信息中的9类以上的数据：设备ID，设备名称，供电局，设备类型，全路径，设备类型备注，投运日期，设备型号，生产厂家，生产日期，地形地貌，设备经度，设备纬度，设备海拔，变电站名称，运行状态，变电站经度，变电站纬度，电压等级，电压类型，生产日期的年、月、日，生产日期所属该年度的周，投运日期的年、月、日，投运日期所属该年度的周，投运年限，是否发生过缺陷；其中全路径表示该大型电容设备的所属设备类别由大范围到小范围的依次描述；/n步骤1.2：对某个大型电容设备缺失的某一类或某几类数据进行人工填补；/n步骤1.3：对同一类数据进行格式统一；/n步骤1.4：计算同一类数据的聚类中心，计算该类数据中各数据与聚类中心的距离，距离大于设定阈值的数据为错误数据，将错误数据进行人工修改；/n步骤2：对步骤1获得的所有数据进行编码，将文字信息转换为数字信息；/n步骤3：采用随机森林算法建立一个多输入单输出的预测模型；采用步骤2得到的各大型电容设备的各类编码后数据和该设备是否发生过缺陷，来训练建立的预测模型，直到模型收敛；/n步骤4：针对实际的某大型电容设备进行预测时，将该大型电容设备中各类数据采用步骤2中的编码进行替换，然后采用步骤3训练好的预测模型进行预测，得到预测结果。/n