- Номер
- Журнал СФУ. Техника и технологии. 2025 18 (1)
- Авторы
- Большев, В. Е.
- Контактная информация
- Большев, В. Е.: Федеральный научный агроинженерный центр ВИМ Российская Федерация, Москва
- Ключевые слова
- электрические сети; лиинии электропередачи; ЛЭП; надежность электроснабжения; отключения электроэнергии; отказы ЛЭП; машинное обучение; electrical network; power transmission line; PTL; power supply reliability; ower outage; power line failure; machine learning
- Аннотация
В рамках данного исследования предложено использование алгоритмов машинного обучения для прогнозирования отключений электрической энергии на линиях электропередачи 110 кВ на основе данных по параметрам самих линий. В качестве алгоритмов машинного обучения были опробованы 5 классификаторов: машина опорных векторов, логистическая регрессия, случайный лес, градиентные бустинги LightGBM Classifier и CatBoostClassifier. Для автоматизации процесса преобразования данных и устранения возможности их утечки использовался пайплайн и компоновщик разнородных признаков, данные для прогнозирования подготавливались методами горячего кодирования для категориальных переменных и стандартизации для количественных. Обучение модели производилось методом кросс-валидации со стратифицированным разделением. Настройка гиперпараметров классификаторов осуществлена методами оптимизации случайных параметров и сеточного поиска. Сравнение качества предсказания обученных моделей производилось по метрикам ROC-AUC, AUC-PR, Accuracy, точность, полнота и F-1 мера. Наилучшие результаты прогнозирования отключений удалось достичь модели логистической регрессии с методом взвешивания классов в качестве борьбы с дисбалансом классов, метрика ROC-AUC которой на тестовой выборке достигла 0.84. Таким образом, данное исследование подтверждает возможность использования данных по параметрам ЛЭП для прогнозирования отключений электрической энергии на ЛЭП 110 кВ
- Страницы
- 19–32
- EDN
- HOUJHA
- Статья в архиве электронных ресурсов СФУ
- https://elib.sfu-kras.ru/handle/2311/154403
Эта работа лицензируется по лицензии Creative Commons Attribution-NonCommercial 4.0 International License (CC BY-NC 4.0).