典型文献
基于加权决策树算法的调度指令风险评估方法
文献摘要：
针对海量电力数据人工分析困难、调度人员难以评估调度指令安全风险、传统风险评估方法适用性差的问题,提出了一种基于加权决策树算法的调度指令风险评估方法.对海量电力数据进行多维指令画像并建立调度指令专家知识库,通过该数据训练决策树模型找到合适的调度指令风险评估规则,使用该规则对新的调度指令进行风险评估,并通过引入代价敏感的学习方法解决了样本不平衡问题.实验表明,所提方法可以避免人工分析庞大的实时电力数据流,准确高效地对调度指令进行风险评估.在构建的不平衡数据集上,使训练集和测试集的准确率保持在95％以上,并将小样本的召回率由91.7％提高到了100％,避免因小样本分类错误导致的严重问题.
文献关键词：
电力系统自动化;风险评估;决策树;调度指令
中图分类号：
作者姓名：
邓彬;林宏;黄颖祺;胡亚荣;张建国;孟琦
作者机构：
深圳供电局有限公司,广东深圳518000;西安交通大学信息与通信工程学院,陕西西安710049;兴唐通信科技有限公司,北京100191
文献出处：
引用格式：
[1]邓彬;林宏;黄颖祺;胡亚荣;张建国;孟琦-.基于加权决策树算法的调度指令风险评估方法)[J].电子设计工程,2022(16):10-16
A类：
海量电力数据
B类：
决策树算法,调度指令,风险评估方法,工分,调度人员,方法适用性,画像,专家知识库,数据训练,决策树模型,代价敏感,样本不平衡,不平衡问题,数据流,不平衡数据集,训练集,测试集,小样本,召回率,误导,电力系统自动化
AB值：
0.255456
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。
