在電力系統(tǒng)中,電容型設(shè)備數(shù)量眾多,占變電站設(shè)備總量的40%~50%,電容型設(shè)備的健康運(yùn)行對(duì)于電力系統(tǒng)至關(guān)重要。隨著電網(wǎng)信息化建設(shè)的大力推進(jìn),各種電力數(shù)據(jù)呈爆炸式增長,這為電容型設(shè)備健康運(yùn)行提供了強(qiáng)大的數(shù)據(jù)支撐。傳統(tǒng)的統(tǒng)計(jì)方法已無法滿足實(shí)際的分析需求。本論文以重要性高、數(shù)據(jù)量大、數(shù)據(jù)種類豐富的電容型設(shè)備數(shù)據(jù)為數(shù)據(jù)源,并檢驗(yàn)隨機(jī)森林(Random Forest,RF)、多層感知機(jī)(Multi-Layer Perceptron,MLP)、支持向量機(jī)(Support Vector Machine,SVM)、集成樹(Extreme Gradient Boosting,XGBoost)和線性分類算法等五種不同機(jī)器學(xué)習(xí)算法在電容型設(shè)備缺陷預(yù)測中的適用性,構(gòu)建缺陷發(fā)生預(yù)測和缺陷等級(jí)預(yù)測模型,并將金融領(lǐng)域的評(píng)分卡模型應(yīng)用在電容型數(shù)據(jù)分析中,探索出最優(yōu)缺陷預(yù)測模型。本論文的研究內(nèi)容與研究結(jié)果如下:(1)針對(duì)一般的編碼方法,在各種缺陷發(fā)生預(yù)測以及缺陷等級(jí)預(yù)測模型中的效果較差,在對(duì)電容型設(shè)備數(shù)據(jù)進(jìn)行清洗和數(shù)據(jù)均衡化基礎(chǔ)上,結(jié)合電容型數(shù)據(jù)的特點(diǎn),加入基于評(píng)分卡模型的證據(jù)權(quán)重(Weight of Evidence,WOE)特征編碼,用于改進(jìn)缺陷發(fā)生預(yù)測以及缺陷發(fā)生模型的性能。(2)針對(duì)設(shè)備是否發(fā)生缺陷進(jìn)行預(yù)測,將五種機(jī)器學(xué)習(xí)算法應(yīng)用在缺陷發(fā)生預(yù)測中,進(jìn)行模型訓(xùn)練和參數(shù)調(diào)優(yōu),對(duì)各算法使用普通編碼和評(píng)分卡模型WOE特征編碼的預(yù)測結(jié)果進(jìn)行比較,并分析特征重要性。實(shí)驗(yàn)結(jié)果表明,加入評(píng)分卡模型的WOE特征編碼后,各算法的分類效果均得到改善,支持向量機(jī)、集成樹和線性分類的精度提高0.07以上,多層感知機(jī)和隨機(jī)森林分別提高0.02和0.03。隨機(jī)森林各綜合評(píng)價(jià)指標(biāo)均最優(yōu),精度達(dá)到0.95。因此,基于WOE的隨機(jī)森林算法(WOE_RF)缺陷發(fā)生預(yù)測模型最優(yōu)。(3)在預(yù)測設(shè)備是否發(fā)生缺陷的基礎(chǔ)上,進(jìn)一步預(yù)測設(shè)備可能發(fā)生缺陷的等級(jí)。同樣使用上述五種機(jī)器學(xué)習(xí)算法對(duì)兩種特征編碼方法下的缺陷等級(jí)預(yù)測結(jié)果進(jìn)行比較,并分析特征重要性。研究結(jié)果表明,加入基于評(píng)分卡模型的WOE特征編碼,可以有效改善各算法的分類能力,隨機(jī)森林、多層感知機(jī)和支持向量機(jī)精度提高0.05以上,集成樹和線性分類分別提高0.01和0.02。但同樣是隨機(jī)森林表現(xiàn)最佳,精度達(dá)到0.78。因此,WOE_RF缺陷等級(jí)預(yù)測模型最優(yōu)。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TM507
【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀及存在的問題
        1.2.1 國內(nèi)外研究現(xiàn)狀
        1.2.2 存在的問題
    1.3 研究內(nèi)容和技術(shù)路線
        1.3.1 研究內(nèi)容
        1.3.2 技術(shù)路線
    1.4 論文創(chuàng)新之處
    1.5 論文組織結(jié)構(gòu)
第二章 相關(guān)理論
    2.1 線性分類算法
    2.2 多層感知機(jī)算法
    2.3 支持向量機(jī)算法
    2.4 隨機(jī)森林算法
    2.5 集成樹算法
    2.6 評(píng)分卡模型
    2.7 本章小結(jié)
第三章 電容型設(shè)備數(shù)據(jù)預(yù)處理
    3.1 數(shù)據(jù)介紹
        3.1.1 樣本變量概述
        3.1.2 樣本變量分析
    3.2 數(shù)據(jù)清洗
        3.2.1 數(shù)據(jù)清洗介紹
        3.2.2 確定輸入變量
    3.3 特征編碼
        3.3.1 普通特征編碼
        3.3.2 基于評(píng)分卡模型WOE特征編碼
    3.4 數(shù)據(jù)均衡
    3.5 本章小結(jié)
第四章 電容型設(shè)備缺陷預(yù)測模型構(gòu)建
    4.1 模型研究內(nèi)容
        4.1.1 基于機(jī)器學(xué)習(xí)算法缺陷發(fā)生預(yù)測
        4.1.2 基于機(jī)器學(xué)習(xí)算法缺陷等級(jí)預(yù)測
    4.2 基于隨機(jī)森林預(yù)測模型構(gòu)建
    4.3 基于多層感知機(jī)預(yù)測模型構(gòu)建
    4.4 基于支持向量機(jī)預(yù)測模型構(gòu)建
    4.5 基于集成樹預(yù)測模型構(gòu)建
    4.6 基于線性分類預(yù)測模型構(gòu)建
    4.7 本章小結(jié)
第五章 電容型設(shè)備缺陷預(yù)測模型結(jié)果與分析
    5.1 缺陷發(fā)生預(yù)測模型
        5.1.1 缺陷發(fā)生預(yù)測模型實(shí)驗(yàn)結(jié)果
        5.1.2 實(shí)驗(yàn)結(jié)果對(duì)比與分析
        5.1.3 最優(yōu)缺陷發(fā)生預(yù)測模型確定
    5.2 缺陷等級(jí)預(yù)測模型
        5.2.1 缺陷等級(jí)預(yù)測模型實(shí)驗(yàn)結(jié)果
        5.2.2 實(shí)驗(yàn)結(jié)果對(duì)比與分析
        5.2.3 最優(yōu)缺陷等級(jí)預(yù)測模型確定
    5.3 特征重要性分析
        5.3.1 缺陷發(fā)生特征重要性
        5.3.2 缺陷等級(jí)特征重要性
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果
攻讀碩士學(xué)位期間參與的項(xiàng)目

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 高志遠(yuǎn);姚建國;郭昆亞;曹陽;宋寧希;李強(qiáng);孫芊;;智能電網(wǎng)對(duì)智慧城市的支撐作用研究[J];電力系統(tǒng)保護(hù)與控制;2015年11期

2 李文斌;陳嶷瑛;張娟;張新東;;使用Fisher線性判別方法的提取分類器[J];計(jì)算機(jī)工程與應(yīng)用;2010年14期

3 鄒海榮;;基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的電容傳感器非線性辨識(shí)[J];上海電機(jī)學(xué)院學(xué)報(bào);2009年03期

4 楊兆升;王媛;管青;;基于支持向量機(jī)方法的短時(shí)交通流量預(yù)測方法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2006年06期

5 張干周;;澳大利亞變電站在線狀態(tài)監(jiān)視系統(tǒng)[J];國際電力;2005年06期

6 左自強(qiáng),徐陽,曹曉瓏,劉斌;計(jì)算電容型設(shè)備介質(zhì)損耗因數(shù)的相關(guān)函數(shù)法的改進(jìn)[J];電網(wǎng)技術(shù);2004年18期

7 孫才新,畢為民,周湶,廖瑞金,陳偉根;灰色預(yù)測參數(shù)模型新模式及其在電氣絕緣故障預(yù)測中的應(yīng)用[J];控制理論與應(yīng)用;2003年05期

8 王楠,陳志業(yè),律方成;電容型設(shè)備絕緣在線監(jiān)測與診斷技術(shù)綜述[J];電網(wǎng)技術(shù);2003年08期

9 付蓉,鞠平,倪輝,陸小濤;可控串聯(lián)電容補(bǔ)償?shù)哪：窠?jīng)網(wǎng)絡(luò)控制[J];電力系統(tǒng)自動(dòng)化;2000年02期

相關(guān)博士學(xué)位論文 前1條

1 王永強(qiáng);考慮環(huán)境影響的電容型設(shè)備絕緣監(jiān)測與故障診斷研究[D];華北電力大學(xué)（河北）;2009年

相關(guān)碩士學(xué)位論文 前2條

1 李艷芳;線性判別式的比較與優(yōu)化方法研究[D];華東理工大學(xué);2015年

2 李春生;模糊變權(quán)重組合預(yù)測方法的研究[D];中南大學(xué);2002年

本文編號(hào)：2866298