用于输变电主设备负荷曲线挖掘的分类器集成方法

摘要

一种用于输变电主设备负荷曲线挖掘的分类器集成方法，集成步骤为：对数据集D进行k次迭代放回抽样，得到k个训练集D_i；对训练集D_i进行机器学，获得分类模型M和相应的分类器，将数据集D输入分类模型M中得到分类结果Q，对分类结果进行归类，确定元组性质。其有益效果是：通过本方法建立的集成分类器模型，可以有效的提升设备负荷异常数据辨识的准确性。通过使用本方法得到的输变电主设备负荷异常度排序，对排名靠前的设备进行重点核查，可以有效提高设备运维效率，节约电力公司开支。

主权项

一种用于输变电主设备负荷曲线挖掘的分类器集成方法，其特征在于，集成步骤为：步骤一、在包含p个元组d_j(j＝1，2，···,p)的数据集D中，对数据集D进行k次迭代放回抽样，得到k个训练集D_i(i＝1，2，···,k)；步骤二、对k个训练集D_i进行机器学习，所述机器学习的学习方法为n种，获得多个分类器M_n，(n＝1，2，3，···)，每个分类器M_n中包括k个分类模型M_ni；步骤三、以迭代输入方式，将数据集D中的每个元组d_j输入每个分类模型M_nq中，获得p*k*n个输出结果d_jni；步骤四、根据输出结果d_jni，以迭代输入方式，对每个元组d_j在第一维度进行二元分类，每个元组获得k*n个一维分类结果Q_jni；步骤五、根据一维分类结果Q_jni，以迭代输入方式，对每个元组d_j在第二维度进行二元分类，每个元组获得n个二维分类结果Q_jn；步骤六、根据二维分类结果Q_jn，对每个元组d_j在第三维度进行二元分类，每个元组获得一个三维分类结果Q_j；步骤七、根据三维分类结果Q_j，判断数据集D中每个元组d_j的分类结果。