[发明专利]一种基于改进随机森林算法的电压缺失数据辨识方法

说明书

本发明公开了一种基于改进随机森林算法的电压缺失数据辨识方法，其中方法步骤包括：获取电网历史数据，选择缺失数据所有对应的关联属性，进行不同的属性划分；通过属性综合加权计算得到学习样本集合；对学习样本进行重复抽样，得到若干个相似样本集合；将所述相似样本集合作为输入，训练随机森林回归模型；提高随机森林回归预测精度；将所有决策树的最终预测均值作为填补结果，评估填补结果，填补结果在容忍范围则填补完成。通过本发明提高对缺失数据的辨识精度，从而提高了电网缺失值的填补精度。

技术领域

本发明电力系统数据融合中常出现的电压值缺失问题的技术领域，尤其涉 及一种基于改进随机森林算法的电压缺失数据辨识方法。

背景技术

随着电网的高速发展，各类系统对数据的需求越来越依赖，然而在数据采 集和传输的过程中，常因通道量测和人为等因素，不可避免导致部分数据的丢 失或异常。缺失或异常的数据对系统的运行以及进一步的数据分析都会造成影 响，导致输出结果的异常。

尽管目前的研究对缺失数据的填补都取得了较好的效果，但是却较少对缺 失值属性的关联属性进行研究和分析，缺失值的关联属性对填补结果有较大影 响，基于属性综合加权的改进随机森林算法，对缺失数据进行辨识，提高缺失 数据的辨识精度，提高电网缺失值的填补精度。

发明内容

为了克服现有技术的不足，本发明提供了一种基于改进随机森林算法的电 压缺失数据辨识方法，实现对缺失数据进行了辨识，提高缺失数据的辨识精度， 提高电网缺失值的填补精度。

为了实现上述发明目的，本发明提供了一种基于改进随机森林算法的电压 缺失数据辨识方法，包括以下步骤：

S1：获取电网历史数据，选择缺失数据所有对应的关联属性，进行不同的属 性划分；

S2：通过属性综合加权计算得到学习样本集合；

S3：对学习样本进行重复抽样，得到若干个相似样本集合；

S4：将所述相似样本集合作为输入，训练随机森林回归模型；

S5：通过减少决策树间的关联性和提高决策树的精度，提高随机森林回归预 测精度；

S6：将所有决策树的最终预测均值作为填补结果，评估填补结果，填补结果 在容忍范围则填补完成。

对所述关联属性进行各属性间的互相关系数计算，互相关系数大于给定阀值 的属性存入互相关集合HG；

所述关联属性的各属性间的互相关系数计算公式如下，

当皮尔逊系系数用于总体时，如式(1)所示：

X,Y为两个不同属性随机变量，σ_X,σ_Y分别是X,Y的标准差，cov(X,Y)为协 方差，如式(2)所示：

n表示样本的数量。

当皮尔逊系系数用于样本时，如式(3)所示：

x_i,y_i为变量X,Y对应i的观测点值，分别为对应X,Y的样本均值；

通过皮尔逊系数计算各属性间的互相关系数，选择互相关系数大于给定阀 值的属性存入互相关集合HG。

将所述互相关集合HG进行属性误差期望计算，属性误差期望大于强相关 阀值，存入强相关属性集合QX；

所述互相关集合HG的属性误差期望计算公式如下，