機(jī)器學(xué)習(xí)下隨機(jī)森林算法在電網(wǎng)故障分析指揮系統(tǒng)中的應(yīng)用

湯衛(wèi)東，肖大軍，談林濤，于文娟

(國家電網(wǎng)有限公司華中分部，湖北 武漢 430077)

隨著互聯(lián)網(wǎng)和信息技術(shù)的不斷進(jìn)步，以大數(shù)據(jù)為依托的機(jī)器學(xué)習(xí)和人工智能成為熱門的發(fā)展方向，面對大量的數(shù)據(jù)和信息，對其進(jìn)行快速的分類并從中找出潛在的規(guī)律是機(jī)器學(xué)習(xí)的主要目的，目前，數(shù)據(jù)挖掘?qū)Ψ诸惣夹g(shù)的研究已經(jīng)取得了非常重要的進(jìn)步，以決策樹和深度學(xué)習(xí)為代表的數(shù)據(jù)分析模型不僅操作簡單而且效果顯著。

隨著人們的生活質(zhì)量不斷提高，對于數(shù)據(jù)處理的需求也越來越高。由于神經(jīng)網(wǎng)絡(luò)在連續(xù)處理大量數(shù)據(jù)的過程中容易產(chǎn)生過度擬合的問題，同時(shí)對于數(shù)據(jù)樣本的要求也比較高，所以在許多領(lǐng)域都有非常廣泛的應(yīng)用。但程中還存在局限性。在這樣的背景下，以決策樹為核心的多分類隨機(jī)森林算法(Random Forest Algorithm, RFA) 得到了研究學(xué)者的關(guān)注，作為一種典型的多分類器算法，隨機(jī)森林可以很好地對數(shù)據(jù)進(jìn)行集成學(xué)習(xí)，同時(shí)根據(jù)數(shù)據(jù)的多樣性進(jìn)行分類處理，避免了神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)的過度擬合，因此隨機(jī)森林算法擁有非常強(qiáng)大的適用性，可以在許多領(lǐng)域進(jìn)行廣泛應(yīng)用，特別是針對一些非線性高維數(shù)據(jù)，隨機(jī)森林算法也可以很快地進(jìn)行處理，此外，隨機(jī)森林算法對噪聲和隨機(jī)誤差的防控非常到位，可以極大地減少因數(shù)據(jù)產(chǎn)生的誤差，從而降低了數(shù)據(jù)處理難度，節(jié)約了大量的人力物力，幫助數(shù)據(jù)得到快速、準(zhǔn)確的分析。

基于大數(shù)據(jù)時(shí)代背景，通過閱讀和查找大量的相關(guān)文獻(xiàn)和資料對電網(wǎng)系統(tǒng)的故障分析進(jìn)行評級，然后利用隨機(jī)森林算法的決策樹分類模型對電網(wǎng)系統(tǒng)的故障進(jìn)行預(yù)測分析，將隨機(jī)森林算法與其他應(yīng)用較廣泛的算法的預(yù)測準(zhǔn)確率進(jìn)行對比驗(yàn)證隨機(jī)森林算法的實(shí)用性和優(yōu)越性，然后在Weka平臺上利用當(dāng)?shù)仉娏值臄?shù)據(jù)樣本進(jìn)行仿真模擬，對電網(wǎng)故障的預(yù)測準(zhǔn)確率結(jié)果進(jìn)行分析，驗(yàn)證故障分析模型的科學(xué)性和準(zhǔn)確性。對于電網(wǎng)系統(tǒng)的故障預(yù)測具有非常重要的指導(dǎo)意義。

1 機(jī)器學(xué)習(xí)下的電網(wǎng)故障分析

1.1 電網(wǎng)故障分析原理簡述

(1)

(2)

(3)

解方程(1)-(3)可得：

(4)

(5)

(6)

將其表示為矩陣的形式：

=

(7)

(8)

最后對電壓進(jìn)行變換：

=

(9)

此外，對稱電路故障主要是根據(jù)電源三相系統(tǒng)進(jìn)行分析,因?yàn)榘l(fā)生短路前后，電源的電壓和頻率不會(huì)發(fā)生變化，所以設(shè)短路前的電壓和電流分別為、：

=sin(+)

(10)

=sin(+-)

(11)

其中相電流的有效值為：

(12)

(13)

其中，和分別為每相電路的電阻和電感，當(dāng)電路發(fā)生短路后，a相的電流表達(dá)式可表示為：

(14)

(15)

當(dāng)電網(wǎng)系統(tǒng)發(fā)生故障時(shí)，工作人員必須及時(shí)對故障進(jìn)行排查，確定故障來源和故障所在區(qū)域，利用對稱故障和非對稱故障法可以快速地實(shí)現(xiàn)對故障的定性處理，通過電壓、電流及其他參數(shù)的變化來確定故障類型，從而幫助電網(wǎng)系統(tǒng)解決故障，恢復(fù)電路正常運(yùn)行，保障居民的用電需求。

1.2 機(jī)器學(xué)習(xí)和隨機(jī)森林算法

機(jī)器學(xué)習(xí)(Machine Learning)是利用計(jì)算機(jī)模擬人類大腦學(xué)習(xí)過程的一種多學(xué)科交叉理論，信息時(shí)代，對數(shù)據(jù)信息進(jìn)行篩選和處理,是當(dāng)下研究的熱點(diǎn)話題。機(jī)器學(xué)習(xí)領(lǐng)域廣泛，可以完成大量數(shù)據(jù)的快速分類和處理，實(shí)現(xiàn)數(shù)據(jù)預(yù)測和分析。

隨機(jī)森林算法是機(jī)器學(xué)習(xí)領(lǐng)域中一種普適性良好的數(shù)據(jù)挖掘方法。其運(yùn)行原理是在決策樹算法的理論之上結(jié)合 boot strap 重采樣方法，集合多個(gè)單樹型分類器，最后結(jié)果通過投票的策略進(jìn)行分類和預(yù)測。隨機(jī)森林算法具有多重優(yōu)點(diǎn)，調(diào)整參數(shù)較少，抗噪聲能力強(qiáng)，最重要的是在實(shí)際的應(yīng)用中分類性高，不容易發(fā)生過擬合等。但也有其缺點(diǎn)，隨機(jī)森林算法的特征選擇具有隨意性，導(dǎo)致忽略特征對類別的重要性以及特征與特征之間的相關(guān)性，采用重抽樣技術(shù)通過隨機(jī)抽取樣本形成新的訓(xùn)練集，然后利用自主數(shù)據(jù)集進(jìn)行決策樹建模，并組成隨機(jī)森林，分類結(jié)果進(jìn)行投票決策。隨機(jī)森林的數(shù)學(xué)定義如下：首先設(shè)置一系列的決策()、()、…,()構(gòu)建森林，同時(shí)隨機(jī)取兩個(gè)向量、，則邊緣函數(shù)為：

(,)=((()=)-

max((()=)

(16)

=,((,)<0)

(17)

其中為正確的分類分量，為錯(cuò)誤的分類向量，表示取平均值，表示泛化誤差，邊緣函數(shù)的值越大，說明該模型的可信度越高。而隨機(jī)森林的邊緣函數(shù)為：

(,)=(()=)-

max(()=)

(18)

其中，(()=)表示判斷正確的分類概率，(()=)為判斷錯(cuò)誤的分類概率。

隨機(jī)森林算法主要運(yùn)用于數(shù)據(jù)分類和預(yù)測中，根據(jù)數(shù)據(jù)集中元素的特點(diǎn)可以分為正類和負(fù)類，和分別表示正確分類中正類和負(fù)類的樣本數(shù)量，而和分別表示錯(cuò)誤分類中正類和負(fù)類的樣本數(shù)量，則隨機(jī)森林算法的分類精確度為：

(19)

精確度越高說明其分類效果越好，此外，靈敏度和特異度的定義分別為：

=+

(20)

=+

(21)

其中靈敏度表示隨機(jī)森林對正類數(shù)據(jù)的分類精度，特異度表示對負(fù)類數(shù)據(jù)法分類精度。隨機(jī)森林的設(shè)計(jì)總原則是要保證靈敏度和特異度的平衡性，也就是兩者總體均值的最大化，評價(jià)指標(biāo)為幾何均值-：

-=

(22)

最后，負(fù)類數(shù)據(jù)對應(yīng)的三個(gè)評價(jià)指標(biāo)為查全率和查準(zhǔn)率以及負(fù)類檢驗(yàn)值：

=+

(23)

=+

(24)

(25)

其中，查全率表示正確分類中的負(fù)類樣本在全部負(fù)樣本中的比例，查準(zhǔn)率表示正確分類的負(fù)類樣本在所有預(yù)測為負(fù)類樣本中的比例，而負(fù)類檢驗(yàn)值-是隨機(jī)森林算法中一個(gè)綜合的評價(jià)指標(biāo)。隨機(jī)森林算法的示意圖如圖1所示：

圖1 隨機(jī)森林算法示意圖

2 基于隨機(jī)森林算法的電網(wǎng)故障分析模型

實(shí)驗(yàn)對象：當(dāng)?shù)仉娏值墓╇娤到y(tǒng)，以輸電網(wǎng)絡(luò)為主要分析對象，利用數(shù)據(jù)挖掘技術(shù)查找近三年的電網(wǎng)故障發(fā)生的時(shí)間和故障原因，并進(jìn)行收集整理。

實(shí)驗(yàn)數(shù)據(jù)來源：采取數(shù)據(jù)挖掘技術(shù)對當(dāng)?shù)仉娏纸甑妮旊姅?shù)據(jù)進(jìn)行收集，以2019年到2020年的數(shù)據(jù)作為訓(xùn)練樣本，以2021年1月的數(shù)據(jù)作為測試樣本數(shù)據(jù)，2-3月的數(shù)據(jù)作為預(yù)測樣本。其中按照每個(gè)月的輸電故障為標(biāo)準(zhǔn)，每個(gè)月的故障次數(shù)在2次及以內(nèi)為正常，評級為1；故障次數(shù)在3-6次評評級2,故障次數(shù)在7以上為故障高峰，評級為3。

實(shí)驗(yàn)環(huán)境：隨機(jī)森林算法使用randomForest4.6語言軟件來實(shí)現(xiàn)，主要參數(shù)設(shè)置為：決策樹的數(shù)量為1000，隨機(jī)屬性的個(gè)數(shù)為3。在Weka數(shù)據(jù)挖掘平臺上建立電網(wǎng)故障分析模型，對比不同算法對電網(wǎng)故障的分析效果和精確度。

3 實(shí)驗(yàn)結(jié)果分析

3.1 不同算法的對比分析

引入決策樹(decision tree)算法的一種(C4.5)、神經(jīng)網(wǎng)絡(luò)算法(Neural Network Algorithm, NNA)以及支持向量機(jī)(Support Vector Machines)算法和隨機(jī)森林算法(RFA)進(jìn)行對比，預(yù)測準(zhǔn)確率和統(tǒng)計(jì)值指標(biāo)如圖2所示。

由圖2可知，隨機(jī)森林算法的預(yù)測準(zhǔn)確率和統(tǒng)計(jì)值指標(biāo)要明顯高于其他三種算法，準(zhǔn)確率高達(dá)93%，而其他三種算法的準(zhǔn)確率均在90%以下，隨機(jī)森林算法的優(yōu)越性得到了驗(yàn)證。隨機(jī)森林算法決策樹的隨機(jī)性使數(shù)據(jù)多樣性得到提高，使環(huán)境和人為因素引入的誤差相對降低，避免了數(shù)據(jù)過度擬合的問題，增強(qiáng)模型的普適性。

圖2 不同算法下電網(wǎng)故障的預(yù)測準(zhǔn)確率與統(tǒng)計(jì)指標(biāo)

3.2 電網(wǎng)故障的預(yù)測分析

利用隨機(jī)森林算法的電網(wǎng)故障分析模型進(jìn)行檢測，不同故障等級的樣本數(shù)量對比如圖3所示。

圖3 不同故障等級的樣本數(shù)量(橫坐標(biāo)1-3分別表示訓(xùn)練樣本、測試樣本、預(yù)測樣本)

由圖3可知，訓(xùn)練樣本的數(shù)量要遠(yuǎn)遠(yuǎn)高于測試樣本和預(yù)測樣本的數(shù)量，同時(shí)故障等級為1的樣本數(shù)量遠(yuǎn)遠(yuǎn)超過其他兩個(gè)，說明該電力局的電網(wǎng)系統(tǒng)相對比較安全，故障發(fā)生的概率較低。

根據(jù)預(yù)測樣本的故障等級和實(shí)際故障對比，電網(wǎng)故障的預(yù)測結(jié)果如圖4所示。

由圖4所示，電網(wǎng)故障分析模型在2月和3月的預(yù)測中，總的預(yù)測準(zhǔn)確率分別為95%和96.8%，其中等級為1的故障準(zhǔn)確率均在95%以上，而故障等級為2的準(zhǔn)確率為70%和89%，等級為3的預(yù)測準(zhǔn)確率為66%和100%，這是由于樣本數(shù)量較少，容易出現(xiàn)隨機(jī)誤差從而導(dǎo)致準(zhǔn)確率降低。整體而言，故障等級越高其預(yù)測難度越大，相對準(zhǔn)確率也較不穩(wěn)定，而故障等級越低，預(yù)測準(zhǔn)確率越高。

圖4 電網(wǎng)故障的預(yù)測結(jié)果

4 結(jié) 論

基于機(jī)器學(xué)習(xí)背景，首先對電網(wǎng)故障的原理展開分析，介紹了機(jī)器學(xué)習(xí)和隨機(jī)森林算法，根據(jù)電網(wǎng)故障的特點(diǎn)利用隨機(jī)森林算法對電網(wǎng)故障的等級進(jìn)行分析預(yù)測。并引入決策樹算法(C4.5)、NNA神經(jīng)網(wǎng)絡(luò)和SVM算法作為對照組檢驗(yàn)隨機(jī)森林算法的預(yù)測性能，并利用隨機(jī)森林算法在Weka平臺軟件上對當(dāng)?shù)仉娏纸诘碾娏收线M(jìn)行預(yù)測。結(jié)果表明，隨機(jī)森林算法的預(yù)測準(zhǔn)確率和統(tǒng)計(jì)值指標(biāo)要明顯高于其他三種算法，準(zhǔn)確率高達(dá)93%。故障等級為1的預(yù)測準(zhǔn)確率在95%以上，等級為3故障的預(yù)測準(zhǔn)確率不穩(wěn)定，最低僅為66%，相對準(zhǔn)確率也較不穩(wěn)定，故障等級越低，預(yù)測難度越低，準(zhǔn)確率越高。由于受到客觀因素的限制，本研究存在一些局限，在收集數(shù)據(jù)時(shí)未進(jìn)行預(yù)處理，可能存在虛假數(shù)據(jù)和無效數(shù)據(jù)，對實(shí)驗(yàn)的準(zhǔn)確性造成影響。在后續(xù)的研究過程中需要對數(shù)據(jù)進(jìn)行預(yù)處理，提高研究結(jié)果的說服力。