一种基于XGBoost的电子式互感器量测误差状态评估方法及装置

    公开(公告)号:CN113297797B

    公开(公告)日:2023-12-15

    申请号:CN202110615294.9

    申请日:2021-06-02

    申请人: 东南大学

    摘要: 本发明涉及量测技术领域,具体的是一种基于XGBoost的电子式互感器量测误差状态评估方法及装置,方法包括以下步骤:获取输入特征数据集和电子式互感器真实的比差、角差数据;对输入数据做Min‑max数据标准化处理;根据输入特征变量数据集,产品特征数据和环境特征数据,训练基于XGBoost的电子式互感器量测误差状态评估模型;向模型输入特征数据,得到电子式互感器预测的比差和角差;构建基于电子式互感器角差和比差的量测误差等级体系;确定电子式互感器的量测误差等级。装置包括电子式互感器量测误差状态评估模型训练模块和电子式互感器量测误差等级体系模块,解决了在运电子式互感器误差状态评估的问题,评估电子式互感器测量数据用于工程的可靠性及风险。

    一种基于集成学习的低压台区理论线损计算方法

    公开(公告)号:CN113723844B

    公开(公告)日:2024-04-19

    申请号:CN202111037192.X

    申请日:2021-09-06

    申请人: 东南大学

    摘要: 本发明公开了一种基于集成学习的低压台区理论线损计算方法,包括如下步骤:从多源生数据中计算线损相关因子,并基于XGBoost进行因子贡献度评价,形成理论线损多维度影响因子集;利用网格搜索法对多机器学习模型进行超参数寻优,得到基学习器集与元学习器集;以基学习器集中的全部模型和元学习器集中的各模型分别作为第一、二层训练模型进行循环优选,构建集成学习框架下的低压台区理论线损计算的最优模型;基于测试集的计算结果进行模型的性能评估。本发明基于XGBoost进行理论线损影响因子贡献度评价,提高了理论线损与相关影响因子之间关联的可解释性;其次通过模型融合的方式有效提升了理论线损的计算精度,弥补了传统单一模型的不足。

    基于改进半监督技术的电力居民用户画像建立方法

    公开(公告)号:CN114548315A

    公开(公告)日:2022-05-27

    申请号:CN202210200201.0

    申请日:2022-03-02

    申请人: 东南大学

    IPC分类号: G06K9/62 G06Q30/02 G06Q50/06

    摘要: 本发明公开基于改进半监督技术的电力居民用户画像建立方法,画像建立方法包括:获取部分电力居民用户的个人信息,并通过非介入式电表获取居民用户的细粒度用电数据。进行数据清洗与处理后形成多维用电标签体系,并基于细粒度用电数据提取各电力用户的用电特征量。针对每个家庭属性特征分别生成一个多分类TSVM半监督分类器,并通过改进SFSE算法对用电特征进行特征选择,以确定用电行为特征与家庭属性特征之间的映射关系。然后通过已训练的分类器通过用电数据对无家庭属性标签的用户进行识别,最终形成完整的电力用户三级标签画像体系。本发明画像建立方法有助于电力企业全面了解电力用户,实现电力用户精细化管理。

    一种基于集成学习的低压台区理论线损计算方法

    公开(公告)号:CN113723844A

    公开(公告)日:2021-11-30

    申请号:CN202111037192.X

    申请日:2021-09-06

    申请人: 东南大学

    摘要: 本发明公开了一种基于集成学习的低压台区理论线损计算方法,包括如下步骤:从多源生数据中计算线损相关因子,并基于XGBoost进行因子贡献度评价,形成理论线损多维度影响因子集;利用网格搜索法对多机器学习模型进行超参数寻优,得到基学习器集与元学习器集;以基学习器集中的全部模型和元学习器集中的各模型分别作为第一、二层训练模型进行循环优选,构建集成学习框架下的低压台区理论线损计算的最优模型;基于测试集的计算结果进行模型的性能评估。本发明基于XGBoost进行理论线损影响因子贡献度评价,提高了理论线损与相关影响因子之间关联的可解释性;其次通过模型融合的方式有效提升了理论线损的计算精度,弥补了传统单一模型的不足。

    一种基于XGBoost的电子式互感器量测误差状态评估方法及装置

    公开(公告)号:CN113297797A

    公开(公告)日:2021-08-24

    申请号:CN202110615294.9

    申请日:2021-06-02

    申请人: 东南大学

    摘要: 本发明涉及量测技术领域,具体的是一种基于XGBoost的电子式互感器量测误差状态评估方法及装置,方法包括以下步骤:获取输入特征数据集和电子式互感器真实的比差、角差数据;对输入数据做Min‑max数据标准化处理;根据输入特征变量数据集,产品特征数据和环境特征数据,训练基于XGBoost的电子式互感器量测误差状态评估模型;向模型输入特征数据,得到电子式互感器预测的比差和角差;构建基于电子式互感器角差和比差的量测误差等级体系;确定电子式互感器的量测误差等级。装置包括电子式互感器量测误差状态评估模型训练模块和电子式互感器量测误差等级体系模块,解决了在运电子式互感器误差状态评估的问题,评估电子式互感器测量数据用于工程的可靠性及风险。