融合改进SMOTE与Stacking算法的输电通道树线放电因子风险状态评估

作者：操松元; 严波; 季坤; 夏令志; 方登洲; 程洋; 王康; 卫鹏

来源：电气应用, 2020, 39(07): 36-42.

• 机器学习
• SMOTE
• Stacking
• 输电通道
• 风险评估

当前,对电力系统输电通道的风险评估手段以规则方法为主,往往对输电线路结构本身的特征考虑较少。基于KNN、决策树和SVM模型,提出了一种融合改进SMOTE与Stacking的机器学习算法,实现了对输电通道中树线放电因子的风险评估预测,该算法能较好地解决数据集没有明确正常样本数据,且异常样本类型分布不平衡的问题。通过与Bagging集成算法、融合SMOTE与Stacking算法对比,验证了所提算法的有效性与先进性,为后续输电通道其他因子基于机器学习的风险评估奠定了基础。

• 单位
  国网安徽省电力有限公司; 安徽省电力科学研究院