[發明專利]臺區低壓跳閘預測方法、裝置、計算機設備及存儲介質

在審

• 申請號: 201911020923.2
• 申請日: 2019-10-25
• 公開（公告）號: CN111382897A
• 公開（公告）日: 2020-07-07
• 發明（設計）人: 洪海生;吳瓊;李茜瑩;余文鋮;段煉;陸顥文;鄧祺
• 申請（專利權）人: 廣州供電局有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/00
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 黃鴻華

1.一種臺區低壓跳閘預測方法，其特征在于，包括：

獲取影響臺區低壓跳閘故障的特征變量數據；

將所述特征變量數據劃分成訓練數據及測試數據；

根據孤立森林算法，將所述訓練數據中的少數類樣本數據進行剔除處理，得到剔除后的少數類樣本數據；

根據SMOTE-NC算法，對所述剔除后的少數類樣本數據進行過采樣處理，得到合成的少數類樣本數據；

根據所述合成的少數類樣本數據及所述訓練數據中的多數類樣本數據，得到優化訓練數據；

根據所述優化訓練數據，構建跳閘預測模型；

將所述測試數據代入所述跳閘預測模型，得到臺區低壓跳閘故障概率；

根據所述低壓跳閘概率對臺區的變壓器進行預處理。

2.根據權利要求1所述的臺區低壓跳閘預測方法，其特征在于，所述根據孤立森林算法，將所述訓練數據中的少數類樣本數據進行剔除處理，得到剔除后的少數類樣本數據的步驟，包括：

根據數值類型，對所述訓練數據進行分類處理，得到分類后的訓練數據；

對所述分類后的訓練數據進行轉換處理，得到轉換后的訓練數據；

根據孤立森林算法，將所述轉換后的訓練數據中的少數類樣本數據進行剔除處理，得到剔除后的少數類樣本數據。

3.根據權利要求2所述的臺區低壓跳閘預測方法，其特征在于，所述分類后的訓練數據包括：連續數值訓練數據、離散型數值訓練數據及名義型訓練數據；

所述對所述分類后的訓練數據進行轉換處理，得到轉換后的訓練數據的步驟，包括：

對所述連續數值訓練數據進行標準化處理方法處理，對所述離散型數值訓練數據采用分箱法進行處理，對所述名義型訓練數據采用one-hot編碼進行轉換，得到所述轉換后的訓練數據。

4.根據權利要求1所述的臺區低壓跳閘預測方法，其特征在于，所述根據孤立森林算法，將所述訓練數據中的少數類樣本數據進行剔除處理，得到剔除后的少數類樣本數據的步驟，包括：

根據孤立森林算法，獲得所述少數類樣本數據的異常值；

剔除所述異常值大于預設閾值的所述少數類樣本數據，得到所述剔除后的少數類樣本數據。

5.根據權利要求1所述的臺區低壓跳閘預測方法，其特征在于，所述根據所述優化訓練數據，構建跳閘預測模型的步驟，包括：

將所述優化訓練數據采用XGBoost算法處理，構建所述跳閘預測模型。

6.根據權利要求1所述的臺區低壓跳閘預測方法，其特征在于，所述將所述特征變量數據劃分成訓練數據及測試數據的步驟，包括：

將所述特征變量數據劃分成訓練數據、測試數據及校正數據；

所述根據所述優化訓練數據，構建跳閘預測模型的步驟之后，還包括：

根據所述校正數據，對所述預測模型進行校正。

7.根據權利要求6所述的臺區低壓跳閘預測方法，其特征在于，所述將所述特征變量數據劃分成訓練數據、測試數據及校正數據的步驟，包括：

將所述特征變量數據采用基于時間順序的滑窗法劃分處理，得到所述訓練數據、所述測試數據及所述校正數據。

8.一種臺區低壓跳閘預測裝置，其特征在于，包括：

獲取模塊，用于獲取影響臺區低壓跳閘故障的特征變量數據；

劃分模塊，用于將所述特征變量數據劃分成訓練數據及測試數據；

第一算法模塊，用于根據孤立森林算法，將所述訓練數據中的少數類樣本數據進行剔除處理，得到剔除后的少數類樣本數據；

第二算法模塊，用于根據SMOTE-NC算法，對所述剔除后的少數類樣本數據進行過采樣處理，得到合成的少數類樣本數據；

優化模塊，用于根據所述合成的少數類樣本數據及訓練數據中的多數類樣本數據，得到優化訓練數據；

跳閘預測模型構建模塊，用于根據所述優化訓練數據，構建跳閘預測模型；

預測模塊，用于將所述測試數據代入所述跳閘預測模型，得到臺區低壓跳閘故障概率；

預處理模塊，用于根據所述低壓跳閘概率對臺區的變壓器進行預處理。