基于改进梯度提升决策树的配电网信息化评审中心故障分类方法

摘要

为提升配电网故障分类的准确性和效率，研究提出一种改进的梯度提升决策树模型。该模型通过实时电流采样和经验模态分解技术，结合最小相关熵准则进行特征筛选，有效提高了故障检测的性能。在UCI机器学习库的4个数据集上，改进模型相较于传统梯度提升决策树模型实现了平均准确率约2.72%的提升，且和其他模型进行对比时，在F₁分数、精确率和召回率上分别达到了90.9%、93.8%和91.2%。研究结果表明，该方法在故障定位和分类任务中表现出色，验证了其在配电网故障管理中的应用潜力。

关键词

GBDT / 配电网 / 故障分类 / 故障定位