摘要
本发明涉及一种基于XGBoost模型的电子式电压互感器误差预测方法及系统,属于电压电子式电压互感器误差预测技术领域,该方法包括以下步骤:采集电子式电压互感器的电气特征、产品特征及环境特征数据,并计算电压在预设时间间隔的比差数据。将这些特征数据和比差数据划分为训练集和测试集,使用训练集训练XGBoost模型。依次计算各特征在XGBoost模型每棵树中的特征表现得分,记录针对每棵树的前K个得分较大的特征,根据上述特征构建轻量化XGBoost模型。将测试集输入轻量化后的XGBoost模型,根据测试集预测结果动态调整计算特征表现得分时所用到的权重因子。本发明通过特征筛选,显著降低了模型的计算复杂度,提高了训练和推理效率,同时保持了较高的预测精度。
技术关键词
电子式电压互感器
梯度提升决策树
XGBoost模型
电气特征
误差预测方法
加权特征
训练集
智能变电站
计算方法
误差函数
因子
复杂度
模型训练模块
数据采集模块
测试模块
指标
系统为您推荐了相关专利信息
电力物资需求预测方法
梯度提升决策树算法
电力物资管理技术
超参数
特征组合方法
冷链系统
分装盒
三轴MEMS加速度传感器
金属氧化物半导体气体传感器
电商
企业
XGBoost算法
XGBoost模型
联邦学习技术
样本
互联网信息系统
集成服务系统
组合预测模型
梯度提升决策树
噪声分量
负荷预测方法
负荷预测模型
XGBoost模型
LSTM模型
记忆单元