摘要
一种配电网故障分区定位方法、系统、设备及存储介质,方法包括根据配电网发生故障后的节点特征数据构建数据集样本,并划分为模型离线训练样本和测试样本;对数据集样本中的数据使用主成分分析法获取特征重要性,选取相关变量,组建重要特征变量数据样本;分别对多个机器学习模型进行模型训练,输出不同机器学习模型的训练样本和测试样本数据预测结果;对元分类器进行训练,通过元分类器得到配电网故障分区定位预测结果;将训练好的多个机器学习模型与元分类器组合得到配电网故障分区定位模型,实际采集配电网发生故障后的节点特征数据,输入配电网故障分区定位模型,判断配电网是否发生故障以及具体的故障位置。本发明可以提高故障定位的准确率。
技术关键词
配电网故障
训练样本数据
XGBoost模型
支持向量机模型
分区
节点特征
随机森林模型
变量
定位方法
分类器组合
主成分分析法
配电网仿真系统
定位系统
机器学习模型训练
梯度提升模型
表达式
系统为您推荐了相关专利信息
卫星遥感数据
预警模型
风险预警方法
网格
计算机可执行指令
靶蛋白
配体
高维特征向量
XGBoost模型
热启动
辐射传输模型
机器学习模型
地表反射率
视场角
XGBoost模型