典型文献
基于多分类机器学习模型的智能电表故障预测
文献摘要：
针对智能电表故障数据规模大、维度高、存在错误及异常数据的特点,提出了一种融合多分类机器学习模型的智能电表故障预测方法.采用正态分布补全及箱型图方法,对原始数据集进行缺失值填补及异常值替换;通过计算特征属性与故障类型的相关系数,消除不相关特征,形成特征子集;构建混合采样策略,解决故障数据不平衡问题.计算三种典型机器学习算法处理智能电表故障数据的预测准确率,构建混淆矩阵;计及各分类器的预测能力,构建多分类器融合决策函数.最后,分别采用公共数据集与实际用电数据作为样本,验证了所提方法的有效性.
文献关键词：
智能电表;机器学习;数据预处理;融合算法;故障预测
中图分类号：
作者姓名：
李宁;张伟;郭泽林;袁铁江;韩鑫磊
作者机构：
国网新疆电力有限公司营销服务中心(资金集约中心、计量中心),国网新疆电力有限公司电力科学研究院,新疆 乌鲁木齐 830000;大连理工大学,辽宁 大连 116000
文献出处：
引用格式：
[1]李宁;张伟;郭泽林;袁铁江;韩鑫磊-.基于多分类机器学习模型的智能电表故障预测)[J].电器与能效管理技术,2022(02):6-11
A类：
B类：
分类机器学习,机器学习模型,智能电表,电表故障,故障预测,故障数据,异常数据,正态分布,补全,箱型图,原始数据,缺失值填补,异常值,特征属性,故障类型,不相关特征,形成特征,特征子集,混合采样,采样策略,数据不平衡,不平衡问题,机器学习算法,理智,预测准确率,混淆矩阵,预测能力,多分类器融合,融合决策,决策函数,公共数据,用电数据,数据预处理,融合算法
AB值：
0.405996
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
