-
题名基于多分类融合模型的智能电能表故障预测
被引量：8
- 1
-
-
作者
陈叶
韩彤
魏龄
于秀丽
李鑫雄
-
机构
云南电网有限责任公司电力科学研究院
北京邮电大学自动化学院
南方电网公司电能计量重点实验室
-
出处
《电测与仪表》
北大核心
2022年第11期162-168,共7页
-
文摘
由于智能电能表功能的丰富多样,随之而来的是设备故障类型及故障率的不断增加,如何准确地判断智能电能表的故障类型,提高故障表的检修效率,对保障智能电能表的安全稳定运行十分重要。文中提出一种基于多分类融合模型的智能电能表故障预测算法。针对智能电能表故障进行多维度分析及故障类型筛选;通过欠采样和过采样相结合的混合采样方式解决数据集中类不平衡问题,构建分类预测模型所需数据;利用基础分类算法的组合获取最优融合算法,在公共数据集上验证了所提算法的有效性,融合后的准确率较基础分类模型有稳定提升,以近年来电网系统中实时采集的智能电能表故障数据为基础,进行了基础模型与融合后算法模型的实验对比,结果表明文中所提的多分类融合算法模型在故障预测的准确率和可靠性上有明显的提升。
-
关键词
智能电能表故障
混合采样
多分类算法
模型融合
-
Keywords
smart meter fault
mixed sampling
multi-classification algorithm
model integration
-
分类号
TM93
[电气工程—电力电子与电力传动]
-
