[发明专利]基于XGBoost的电力二次设备缺陷程度评估方法

权利要求书

1.一种基于XGBoost的电力二次设备缺陷程度评估方法，其特征在于：包括以下步骤：

(1)获取电力监控系统中二次设备的历史缺陷数据，所述缺陷数据包括设备属性数据和设备运行数据；

(2)对步骤(1)采集的电力系统二次设备历史缺陷数据进行数据清洗，包括去重、异常值过滤和数据重组；

(3)利用Apriori算法对清洗后的数据进行关联规则挖掘，包括设定支持度筛选出所有频繁项集和设定置信度产生关联规则进行构建特征指标集，所述频繁项集为支持度大于等于最小支持度的集合；

(4)基于独热编码对特征指标集中的指标数据进行特征匹配及标签编码；

(5)将经过清洗的历史缺陷数据经过编排分组后按3:1:1划分为训练集，测试集和验证集；

(6)分别利用训练集和测试集数据对XGBoost模型进行训练和参数寻优；选择网格搜索得到的每组参数下模型分类的最高准确率对应的参数为最优参数；

(7)将验证集数据输入参数最优参数模型中进行验证，通过分类器对输入数据特征的自动分析和提取，实现二次设备缺陷程度的自动分类。

2.根据权利要求1所述的基于XGBoost的电力二次设备缺陷程度评估方法，其特征在于：步骤(1)所述的设备属性数据包括装置类别、保护类别、设备电压等级、装置型号、设备制造厂家、故障分类、故障部位、故障设备类型中的一项及其以上，所述的设备运行数据包括消缺时间、光模块光强、温/湿度、光纤接收/发送功率、正确动作率、电源输出电压、累计缺陷次数、缺陷累计时间和缺陷率。

3.根据权利要求1所述的基于XGBoost的电力二次设备缺陷程度评估方法，其特征在于：步骤(2)所述的数据清洗具体包括如下过程：

(1)去除历史缺陷数据中重复数据；

(2)根据二次设备各参数运行区间范围去除异常数值的数据；

(3)去除含缺失值的数据。

4.根据权利要求1所述的基于XGBoost的电力二次设备缺陷程度评估方法，其特征在于：步骤(3)由Apriori所挖掘到的关联规则中支持度和置信度设定阈值均大于等于0.5。

5.根据权利要求1所述的基于XGBoost的电力二次设备缺陷程度评估方法，其特征在于：步骤(4)中所述的标签编码通过“0”和“1”组成的独热编码表示二次设备的保护类型，通过N位状态寄存器来对N个状态进行编码，每个状态都有独立的寄存器位，并且在任意时候只有一位有效，所述保护类型包括变压器保护、电抗器保护、电容器保护、断路器保护、过电压及远方跳闸保护、母线保护和线路保护。

6.根据权利要求1所述的基于XGBoost的电力二次设备缺陷程度评估方法，其特征在于：步骤(5)包括对缺陷数据在编排前包括将缺陷数据进行随机打乱重组预处理，然后按照3:1:1划分为训练集，测试集和验证集。