基于可解释性机器学习的输电线路覆冰厚度驱动因素挖掘方法

本申请涉及一种基于可解释性机器学习的输电线路覆冰厚度驱动因素挖掘方法，涉及电力系统维护技术领域。所述方法包括：获取输电线路对应的历史气象数据和历史覆冰数据，历史气象数据包括各驱动因素对应的气象数据；驱动因素为对输电线路的覆冰厚度产生影响的气象要素；基于历史气象数据，以及历史覆冰数据，确定驱动因素对应的相关系数，并基于相关系数确定特征数据；根据特征数据对应的气象数据，训练得到至少一个覆冰厚度预测模型；基于覆冰厚度预测模型，确定各驱动因素对应的贡献度；贡献度是基于驱动因素之间的交互效应确定的；基于贡献度确定驱动因素组合。采用本方法能够提升确定覆冰厚度驱动因素的准确度。