【摘要】：智能電表作為用電采集系統(tǒng)中的重要計量器件,是電網(wǎng)公司和電力用戶之間的重要連接設(shè)備,保證智能電表的正常運行,對故障電表進行及時檢修更換,對維護電網(wǎng)公司和電力用戶的切身利益具有重要意義。目前,隨著智能電表功能的日益豐富,其故障類型也越來越多樣化,準確判斷出智能表的故障類型,協(xié)助相關(guān)人員做出相應合理的解決方案,將會大大降低智能電表運維成本,提高故障電表檢修效率�；谒杉闹悄茈姳須v史故障數(shù)據(jù),結(jié)合數(shù)據(jù)挖掘多分類算法,本文對智能電表故障類型預測技術(shù)展開了研究,論文主要工作如下:首先,對智能電表歷史故障數(shù)據(jù)開展了數(shù)據(jù)預處理研究。針對智能電表故障數(shù)據(jù)集存在樣本數(shù)據(jù)重復、缺失、異常等情況,進行了數(shù)據(jù)清洗處理,并結(jié)合數(shù)據(jù)集特征和樣本故障類型之間的相關(guān)性分析,對智能電表歷史故障數(shù)據(jù)進行特征篩選,降低冗余特征及不相關(guān)特征對故障分類模型構(gòu)建的影響;提出一種基于特征相關(guān)度分析的不平衡數(shù)據(jù)混合采樣方法,從樣本采樣層面減弱各故障類樣本量不平衡引起的模型過擬合現(xiàn)象,并在公共數(shù)據(jù)集上對本文所提采樣方法進行了驗證。其次,研究了不同輸出形式下的模型融合技術(shù)。由于決策機制的限制,單一模型在進行電表故障分類模型構(gòu)建時會出現(xiàn)數(shù)據(jù)集信息學習不充分的現(xiàn)象,基于信息互補的思想,本文提出了一種基于模型自適應選擇的智能電表故障多分類方法,解決了現(xiàn)有融合方法不能將結(jié)果輸出形式分別為樣本所屬各類別概率值和類別標簽的兩個基分類模型進行融合的問題;并利用所提方法,將對電表故障數(shù)據(jù)分類效果較好的隨機森林和LightGBM算法所構(gòu)建的模型進行結(jié)合,從而實現(xiàn)模型信息互補,提升模型分類準確率,并在公共數(shù)據(jù)集上驗證了所提融合方法的有效性。最后,結(jié)合特征權(quán)重對基分類模型進行了優(yōu)化研究。為避免智能電表故障數(shù)據(jù)集各特征屬性權(quán)重不明確對模型構(gòu)建的影響,提出了一種將遺傳算法與多分類算法結(jié)合進行特征權(quán)重優(yōu)化的方法。利用遺傳算法對特征權(quán)重做了優(yōu)化處理,并基于優(yōu)化后的各基分類模型,采用模型融合的思想,經(jīng)過兩步融合之后實現(xiàn)智能電表的故障分類模型構(gòu)建。
【圖文】：

到貨批次邐０．０９４邐０．０１８邐－０．０２２邐－０．４８２邐－０．３３７邐０．２５６邐０．００１邐－０．６０１邐－０．１８１邐１．０００邐－０．２３０逡逑供應商邐－０．０８２邐－０．０２１邐０．００８邐０．０７４邐－０．０３４邐０．０１６邐０．００４邐０．２１９邐０．３６５邐－０．２３０邐１．０００逡逑特征選擇流程圖如

明顯地大幅提升，本部分選取綜合性指標＾值作為樣本分類結(jié)果主要評價度量，逡逑由表２－６、表２－７及表２－８可得三種分類算法在該數(shù)據(jù)上采樣前后的實驗結(jié)果對逡逑比如圖２－３所示：逡逑２０逡逑
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TM933.4;TP311.13

【相似文獻】

相關(guān)期刊論文 前10條

1 陶洋;;零距離接觸智能電表[J];供電企業(yè)管理;2012年03期

2 李偉;;基于遠程費控的智能電表的設(shè)計分析[J];價值工程;2018年36期

3 劉越武;焦永生;孫家寬;郭奇;;智能的“偏見”?——河南智能電表計量情況調(diào)查[J];河南電力;2018年03期

4 王瑩;王金旺;;全球化趨勢加速智能電表技術(shù)突破[J];電子產(chǎn)品世界;2017年Z1期

5 歐媛;易映萍;;單相智能電表中電能計量方法的研究[J];電子測量技術(shù);2017年05期

6 陳啟健;;新型多功能單相智能電表研究與設(shè)計[J];電子技術(shù)與軟件工程;2017年07期

7 吳昊;;智能電表真的“走得快”嗎[J];大眾用電;2017年09期

8 劉婧宇;;以節(jié)能環(huán)保理念促智能電表推廣應用[J];中國電力企業(yè)管理;2017年28期

9 孫誼Z，

本文編號：2687141