基于LSTM和改进XGBOOST的电力故障分类预测方法与系统

本发明公开了一种基于LSTM和改进XGBOOST的电力故障分类预测方法与系统，根据电力系统历史数据训练LSTM预测模型以及XGBOOST故障分析模型；解决新型电力系统下的电力故障往往存在异构设备数量多数据时空不对齐，采样数据缺失，电气故障特征易混淆，时序特征不明显的问题，在现有LSTM‑XGBOOST的静态模型预测结果较准确的基础上，对输入XGBOOST故障分析模型的时间序列数据进行针对处理，进一步提高识别准确性。