基于多分类机器学习模型的智能电表故障预测

作者:李宁; 张伟; 郭泽林; 袁铁江; 韩鑫磊
更新时间:

针对智能电表断层数据规模大、维数高、误差大、数据异常等特点,提出了一种基于多分类机器学习模型的智能电表断层预测方法。正态分布完工和方框图方法用于填充原始数据集并替换异常值。通过计算特征属性与故障类型之间的相关系数,消除不相关特征,形成特征子集。针对故障数据不平衡的问题,提出了混合采样策略。计算三个典型机器学习算法处理智能电表断层数据的预测精度,构造混淆矩阵,并考虑每个分类器的预测能力,构造多分类器融合决策函数。最后,以公共数据集和实际用电量数据为样本,验证了该方法的有效性。