[发明专利]基于数据重采样的Adaboost集成学习电网故障诊断系统及方法

权利要求书

1.一种基于数据重采样的Adaboost集成学习电网故障诊断系统，其特征在于，所述系统包括故障信息数据库、数据预处理模块和故障诊断模块，其中数据预处理模块调用故障信息数据库的数据进行数据预处理，且数据预处理模块将预处理后的数据送至模块故障诊断模块。所述故障信息数据库，用于存储故障信息包；所述数据预处理模块，用于对数据进行空缺值填补和归一化操作。

2.根据权利要求1所述的基于数据重采的Adaboost集成学习电网故障诊断系统，其特征在于，所述故障诊断模块包含有数据重采样模块、决策树基分类器模块和Adaboost集成分类器模块，所述数据重采样模块，用于对数据进行平衡操作；所述决策树基分类器模块，用于对故障数据进行建模训练和故障预测；所述Adaboost集成分类器模块，用于对决策树基分类器进行多轮学习和故障预测；所述数据重采样模块、决策树基分类器模块和Adaboost集成分类器模块之间均通过数据总线进行通信连接。

3.根据权利要求1所述的基于数据重采的Adaboost集成学习电网故障诊断系统，其特征在于，所述数据预处理模块是使用比率插补法对故障数据中存在缺失的数据样本进行填补。

4.根据权利要求2所述的基于数据重采的Adaboost集成学习电网故障诊断系统，其特征在于，所述数据重采样模块利用少数类样本过采样技术对故障数据进行过采样，使得故障数据达到样本平衡；所述决策树基分类器模块使用决策树算法对故障数据进行建模训练和故障检测。

5.根据权利要求2所述的基于数据重采的Adaboost集成学习电网故障诊断系统，其特征在于，所述Adaboost集成分类器模块使用Adaboost算法对多个决策树基分类器进行多轮学习，然后输出多个决策树基分类器的故障预测结果。

6.一种基于数据重采样的Adaboost集成学习电网故障诊断系统的故障诊断方法，其特征在于包括有如下步骤：

步骤1：使用比率插补法对故障数据进行空缺值填补；

步骤2：使用少数类样本过采样技术对步骤1处理后的故障数据进行过采样，使得故障数据达到平衡；

步骤3：使用决策树基分类器对经过少数类样本过采样后的故障数据进行建模训练，并输出故障预测结果；

步骤4：使用Adaboost集成分类器对多个决策树基分类器进行多轮迭代学习，并输出最后的故障诊断结果。

7.根据权利要求6所述的基于数据重采样的Adaboost集成学习电网故障诊断系统的故障诊断方法，其特征在于，所述步骤1的具体步骤如下：

步骤1.1：设置目标变量Y和辅助变量X，依据两者的关系建立比率模型。然后根据现有的辅助变量的信息，对目标变量进行插补

步骤1.2：假设需要填补的样本数目为n，并且其第i个属性缺失，但是辅助信息x_i存在，则y_i的比率插补值为β为目标变量和辅助变量的比率，定义为：

步骤1.3：根据上述定义的插补比率来填补需要合成的目标变量属性，并输出填充后的数据集S。