[發明專利]基于參數優化的隨機森林油中氣體濃度預測方法及系統

在審

• 申請號: 202111322109.3
• 申請日: 2021-11-09
• 公開（公告）號: CN114184695A
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 佟敏;黨樂;史昌明;劉慧;崔亞茹;陳忠源;張欣偉;林阿麗;王鈺;秘立鵬;安義巖;張琰華;李鈺瑩;孔藝慧;王哲
• 申請（專利權）人: 國網內蒙古東部電力有限公司電力科學研究院;國家電網有限公司
• 主分類號: G01N30/02
• 分類號: G01N30/02;G01N30/86;G06K9/62;G06N3/12
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 楊琪

1.一種基于參數優化的隨機森林油中氣體濃度預測方法，其特征在于，包括：

獲取變壓器的油色譜數據；

依據油色譜數據和預設的油中氣體濃度預測模型，得到油中氣體濃度；

其中，所述油中氣體濃度預測模型通過隨機森林算法訓練得到；進行油中氣體濃度預測時，先將隨機森林中決策樹數目、決策樹最大深度、節點可分最小樣本數、葉子節點的最小樣本數和最大葉子節點數進行參數優化，然后將優化后的參數值帶入隨機森林算法中，并對變壓器的油中溶解氣體進行濃度預測。

2.如權利要求1所述的一種基于參數優化的隨機森林油中氣體濃度預測方法，其特征在于，參數優化過程為：

對所有需要優化的參數進行遺傳編碼，并生成初始種群；

將初始種群中每個個體的參數帶入隨機森林算法，進行回歸分析，得到預測結果；

采用可決系數作為適應度：可決系數越接近1，表示模型準確度越高；

判斷遺傳算法的終止條件是否滿足，如果滿足則結束計算，否則，重新生成足量個體形成種群；

重復上述過程。

3.如權利要求2所述的一種基于參數優化的隨機森林油中氣體濃度預測方法，其特征在于，所述可決系數R²為：

其中，y_i為真實值，f(x_i)為預測值，為真實值均值。

4.如權利要求2所述的一種基于參數優化的隨機森林油中氣體濃度預測方法，其特征在于，評估每個個體的適應度，根據適應度進行選擇、交叉、變異和克隆操作，然后判斷終止條件。

5.如權利要求1所述的一種基于參數優化的隨機森林油中氣體濃度預測方法，其特征在于，隨機森林算法中決策樹的生成過程為：將輸入空間遞歸地劃分為二叉樹，每個節點只向下分裂成兩個區域，生成回歸決策樹。

6.如權利要求1所述的一種基于參數優化的隨機森林油中氣體濃度預測方法，其特征在于，隨機森林算法抽取數據采用無權重抽樣，根據事先設定的決策樹數量，對訓練集數據進行多次有放回抽樣，每次抽樣產生相應的決策樹。

7.如權利要求1所述的一種基于參數優化的隨機森林油中氣體濃度預測方法，其特征在于，進行油中氣體濃度預測模型訓練時，將數據集分為訓練集和測試集。

8.一種基于參數優化的隨機森林油中氣體濃度預測系統，其特征在于，包括數據采集模塊和濃度預測模塊；

所述數據采集模塊，被配置為：獲取變壓器的油色譜數據；

所述濃度預測模塊，被配置為：依據油色譜數據和預設的油中氣體濃度預測模型，得到油中氣體濃度；

其中，所述油中氣體濃度預測模型通過隨機森林算法訓練得到；進行油中氣體濃度預測時，先將隨機森林中決策樹數目、決策樹最大深度、節點可分最小樣本數、葉子節點的最小樣本數和最大葉子節點數進行參數優化，然后將優化后的參數值帶入隨機森林算法中，并對變壓器的油中溶解氣體進行濃度預測。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，用于指紋圖譜相似度計算，其特征在于，該程序被處理器執行時實現了如權利要求1-7任一項所述的基于參數優化的隨機森林油中氣體濃度預測方法的步驟。

10.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現了如權利要求1-7任一項所述的基于參數優化的隨機森林油中氣體濃度預測方法的步驟。