基于數(shù)據(jù)挖掘技術的配電網(wǎng)故障預測研究.pdf

1、近年來，隨著城鄉(xiāng)居民生活水平顯著提高，人們對于配電網(wǎng)供電可靠性的要求日益提高，然而電力公司只能被動應對配電網(wǎng)故障，這使得配電網(wǎng)可靠性的提升存在瓶頸。實現(xiàn)配電網(wǎng)故障預測可為電力公司提供配電網(wǎng)運營維護決策支持，具有重大的經(jīng)濟和社會效益。國內相關研究尚不深入，國外研究相對深入，但在我國應用具有很大的局限性。因此，本文研究了基于數(shù)據(jù)挖掘技術的配電網(wǎng)故障預測方法，針對電力公司實際需求預測了饋線的月故障等級，并提出將饋線故障預測結果應用與搶修駐點優(yōu)

2、化的方法。
　　首先，本文全面分析饋線故障影響因素，對某市的配電網(wǎng)信息系統(tǒng)進行深入調研，提取饋線故障預測所需數(shù)據(jù)，為饋線故障預測奠定基礎。針對原始數(shù)據(jù)可能存在的質量問題，開發(fā)程序包對原始數(shù)據(jù)進行清洗、變換和集成。另外提出了一種基于聚類的離群樣本診斷方法，該方法引入輪廓值法確定最佳聚類數(shù)，采用粒子群優(yōu)化算法優(yōu)化聚類中心，可有效提升聚類效果，從而準確剔除離群樣本，避免了離群樣本對預測模型的不良影響。
　　其次，本文利用數(shù)據(jù)探索分

3、析方法剔除冗余、非強相關的故障特征變量，初步確定了故障相關特征變量集。并采用特征選擇方法從故障相關特征變量集篩選出最優(yōu)故障特征變量子集，從而合理確定饋線故障預測模型的輸入變量，避免輸入變量選擇不當導致的模型預測準確率下降。
　　再次，本文針對電力公司實際需求和模型優(yōu)化要求對饋線的月故障發(fā)生的次數(shù)劃分等級，提出了預測饋線月故障等級的方法。方法采用具有調節(jié)參數(shù)少、泛化誤差有上限和可避免過擬合等突出優(yōu)點的隨機森林算法構建饋線故障預測模型

4、，并優(yōu)化了隨機森林算法的分類樹構建過程和關鍵參數(shù)。模型對饋線月故障等級的預測準確率高達92.92％。同時，通過建立基于C4.5決策樹、支持向量機和人工神經(jīng)網(wǎng)絡算法的饋線故障預測模型進行比較，發(fā)現(xiàn)本文構建的饋線故障預測模型的預測準確率明顯較高，證明了隨機森林算法用于構建饋線故障預測模型的正確性和有效性。
　　最后，論文考慮搶修到達時間等約束條件，以搶修駐點與其負責的各饋線的距離總和最小為優(yōu)化目標函數(shù)，構建基于饋線故障預測結果的搶修駐