人工智能电表数据可视化的配电系统故障位置识别方法

本发明提出了一种人工智能电表数据可视化的配电系统故障位置识别方法，结合三个基本学习器，即随机森林，K邻近算法和人工神经网络，将多个不同的机器学习模型组合成一个预测模型的集成方法可以适应不同的场景，如噪声和丢失数据、故障电阻变化、负荷或配电馈线结构的变化等。发展了一个集成投票分类器利用随机森林，kNN和人工神经网络模型分类故障类型和识别FL仅使用电压测量的有限数量的数据点。本发明克服了多特征不足的关键性问题，能够快速识别故障位置，不受故障初始角度和线路上的电阻影响，抗干扰能力强，对多种故障类型的分类准确率较高，检测精度高，成本也不会过高。