科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出了基于朴素贝叶斯分类器的高压开关柜状态评估方法,分析了高压开关柜带电检测大数据,选取了10种状态特征作为开关柜健康状态的特征向量,通过计算贝叶斯分类器的后验概率,获取每种特征对状态分类的贡献率,并以开关柜健康状态作为预测结果对开关柜进行状态评估。采用陕西电网2016—2019年高压开关柜带电检测相关数据对模型进行训练和测试,结果表明:测试样本的召回率达到80.77%,准确率远高于传统判定方法。
- 单位
提出了基于朴素贝叶斯分类器的高压开关柜状态评估方法,分析了高压开关柜带电检测大数据,选取了10种状态特征作为开关柜健康状态的特征向量,通过计算贝叶斯分类器的后验概率,获取每种特征对状态分类的贡献率,并以开关柜健康状态作为预测结果对开关柜进行状态评估。采用陕西电网2016—2019年高压开关柜带电检测相关数据对模型进行训练和测试,结果表明:测试样本的召回率达到80.77%,准确率远高于传统判定方法。
