文档名：信息物理社会数据融合处理的电力物联网运行风险预测
摘要：为避免因外界干扰而影响电网的安全运行,本文提出基于集成学习的电力物联网运行风险预测方法.首先,以时间序列为基准融合得到数据集,基于自适应综合过采样算法对训练集进行过采样处理;然后,联合考虑特征对分类的贡献度和特征间的相关度,对冗余特征进行有效剔除,提出基于ReliefF-S的最优特征子集选择方法;最后,建立基于BO-CatBoost的电力物联网运行风险预测模型.算例分析表明,该风险预测方案可快速、准确地预测出影响电力物联网运行的风险类别.
Abstract：Toavoidtheimpactonthesafeoperationofpowergridduetoexternalinterferences,anoperationriskprediction(ADASYN)algorithmforpowerInternetofThings(IoT)basedonensemblelearningisproposedinthispaper.First,adatasetisobtainedbyfusingthetimeseriesasthebenchmark,andthetrainingsetisoversampledbasedontheADASYNmethod.Then,withtheconsiderationofthecontributionoffeaturestoclassificationandthecorrelationbetweenfeatures,theredundantfeaturesareeffectivelyeliminated,andanoptimalfeaturesubsetselectionmethodbasedonReliefF-Sisputforward.Finally,apowerIoToperationriskpredictionmodelbasedonBO-CatBoostisestablished.TheanalysisofanexampleshowsthattheproposedriskpredictionschemecanquicklyandaccuratelypredicttheriskcategoriesthataffecttheoperationofpowerIoT.
作者：李国强 王冲 高秀芝 王华 徐绮 李泠聪 Author：LIGuoqiang WANGChong GAOXiuzhi WANGHua XUQi LILingcong
作者单位：国网内蒙古东部电力有限公司信息通信分公司,呼和浩特010010东北电力大学计算机学院,吉林132012
刊名：电力系统及其自动化学报
Journal：ProceedingsoftheCSU-EPSA
年，卷(期)：2024, 36(3)
分类号：TM73
关键词：电力物联网 风险预测 数据平衡 特征选择 集成学习
Keywords：powerInternetofThings(IoT) riskprediction databalancing featureselection ensemblelearning
机标分类号：TP311.13TN957.52TP274
在线出版日期：2024年4月28日
基金项目：信息物理社会数据融合处理的电力物联网运行风险预测[
期刊论文] 电力系统及其自动化学报--2024, 36(3)李国强 王冲 高秀芝 王华 徐绮 李泠聪为避免因外界干扰而影响电网的安全运行,本文提出基于集成学习的电力物联网运行风险预测方法.首先,以时间序列为基准融合得到数据集,基于自适应综合过采样算法对训练集进行过采样处理;然后,联合考虑特征对分类的贡献度和...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
信息物理社会数据融合处理的电力物联网运行风险预测 Operation Risk Prediction of Power IoT with Information-physical Society Data Fusion Processing
信息物理社会数据融合处理的电力物联网运行风险预测.pdf
- 文件大小:
- 1.63 MB
- 下载次数:
- 60
-
高速下载
|
|
