基于机器学习算法分析计量电压异常的研究

摘要

计量装置异常的分析对电力系统安全有重要作用.虽然对计量装置异常的研究已有几十年历史,形成了很多理论与方法,但是随着新理论和新技术的发展,对该研究也出现了新的思路和更加智能的方法,其中就包括机器学习.介绍了一种有监督机器学习的典型算法决策树,在分析计量装置电压异常主要原因的基础上,建立了计量装置电压判断模型,评估了模型性能,并将该模型筛查出来的计量异常进行现场排查,验证了模型的准确度.该方法可以有效提高电压异常判断的准确性,避免异常误判,提高了现场故障处理的工作效率.并且通过产生异常的因素的分析,对异常的预测也展现了优越性.由于设备异常分析中很多字段都是非线性的,此外不仅要分析设备是否异常,还要分析导致设备异常的原因,所以该问题最适合的机器学习模型是决策树.实例分析验证了基于决策树模型的计量装置电压异常分析有很高的准确率和高效性.