[发明专利]一种基于改进随机森林的电弧炉建模方法

说明书

本发明涉及电气工程领域，公开了一种基于改进随机森林的电弧炉建模方法。本发明学习了Stacking算法，通过一个次级学习器来进行结合。本发明所提出的基于改进随机森林的电弧炉模型相比于单个决策树建立的模型具有极高的准确率，且由于随机性的引入，模型不易过拟合、具有良好的抗噪声能力，该模型能够处理高维度的数据，并不用做特征选择，可以大大减少数据预处理的工作量，且模型中引入了Stacking的方法，鲁棒性也得到了进一步提高。综上，本发明提供的基于改进随机森林的电弧炉建模方法，具有优秀的泛化能力，能够反映电弧炉生产应用中的各因素对其能耗的影响，可为其他类型工业负荷建模提供一个良好的参考。

技术领域

本发明涉及电气工程领域领域，具体的是一种基于改进随机森林的电弧炉建模方法。

背景技术

随着国家经济、科技的快速发展，电动汽车、储能等新型负荷不断涌现，对电力系统的供需平衡提出了巨大的挑战。面对新的发展问题，传统的“源随荷动”调节模式已不能满足形式多变且日益增长的新型用电形式。针对该问题，国家强调要增强需求侧管理，提升负荷的调控能力。而在众多电力负荷中，工业负荷容量大且分布集中，具有较大的调控潜力。由于对不同类型的工业负荷尚缺乏定量分析模型，现有的批量负荷控制方法简单粗暴，容易对生产社会造成严重影响。同时，还导致工业负荷参与电网互动的规划手段缺乏，调控潜力难以被充分挖掘。

随着人工智能的发展，机器学习、深度学习被广泛结合到各个领域，尤其是电气领域，和电气领域传统的技术方法相结合，使一些以往难以解决的问题得到妥善处理。本发明结合机器学习中的集成学习方法，提出一种基于改进随机森林的电弧炉建模方法来反映电弧炉生产应用中的电量特征以及非电量生产因素俞电弧炉能耗之间的关系。该建模方法具有良好的泛化能力，可为其他类型工业负荷建模提供一个良好的参考。

发明内容

为解决上述背景技术中提到的不足，本发明的目的在于提供一种基于改进随机森林的电弧炉建模方法

本发明的目的可以通过以下技术方案实现：

一种基于改进随机森林的电弧炉建模方法,所述方法包括如下步骤：

步骤1：研究电弧炉的电气和非电气影响因素，并采集这些因素数据；

步骤2：对采集到的原始数据进行清洗划分；

步骤3：基于改进随机森林的电弧炉模型搭建。

进一步的，所述步骤1中电弧炉的电气和非电气影响因素包括：电弧炉负载的电压电流、电炉变压器容量、吹氧量、能源回收率和原料结构。

进一步的，所述对采集到的原始数据进行清洗划分的方法包括如下步骤：

步骤2.1：采用pandas中的dropna进行缺失值过滤；

步骤2.2：针对数据中的异常值，采用局部离群因子检测法(Local OutlierFactor,LOF)对收集到的原始数据进行预处理

进一步的，所述LOF方法是一种基于密度的高精度离群点检测方法，通过给每个数据分配一个依赖于邻域密度的离群因子LOF，若LOF1，则该数据点是异常点，若LOF接近于1，则为正常数据点。

进一步的，所述基于改进随机森林的电弧炉模型搭建步骤如下：

步骤3.1：将初始训练集D随机划为大小相同的k个集合D₁、D₂、.....D_k，令D_j为第j个测试集，为相应的训练集；

步骤3.2：利用训练T个初级学习器；