AdaBoost

为及时掌握输电线路绝缘子污秽情况，提出了一种基于气象的绝缘子盐密预测方法。挖掘了与积污相关性更强的气象特征，通过随机森林评估了气象特征的重要程度，结合序列前向搜索确立了最佳气象特征子集。基于台州市自然积污测试数据，使用极限学习机（extreme learning machine，ELM）建立盐密预测基础模型，并使用思维进化算法（mind evolution algorithm，MEA）对其初始权值与阈值进行优化，通过自适应提升（adaptive boosting，AdaBoost）算法集成进一步提高模型精度。结果表明：AdaBoost-MEA-ELM模型盐密预测平均绝对误差为0.0032 mg/cm2，相比原始ELM模型误差降低58.97%，优化效果显著；与其他模型对比验证了AdaBoost-MEA-ELM模型的性能以及3种算法结合的合理性；通过k折交叉验证获得了训练数据改变时模型误差的变化情况，进一步验证了模型的泛化性与稳定性。

针对现有移动终端安全评估方案存在评估指标不全面或评估方法主观性过强、指标权重计算较为复杂的问题,文章提出了适用于电力移动终端安全状态评估的指标体系及评估方法。首先,结合通用移动终端评估指标体系和电力移动终端运行特点构建了安全状态评估指标体系;然后,给出了评估指标的量化方法以及基于AdaBoost算法的安全状态评估模型构建方法;最后,通过对11个不同运行场景下的移动终端的对比评估,验证了文章所提指标体系和评估方法的有效性。

针对在小样本和复杂工况下高压断路器故障诊断识别精度不高的问题，提出一种基于振动信号处理和AdaBoost集成学习的高压断路器故障诊断方法。首先，搭建高压断路器实验平台并采集8种工况下的分闸振动信号。其次，对振动信号进行绝对值处理后，使用分段聚合近似(piecewise aggregate approximation, PAA)进行分段平均，将输出的新序列采用格拉姆角场(Gramian angular field, GAF)转换成图片，并使用Relief F方法对提取的高维图片特征进行重要度排序。最后，将保留的重要特征输入到AdaBoost集成学习模型进行故障诊断，并用蛇优化算法确定最优PAA分段步长和输入分类器特征数量，以进一步提高故障诊断精度。通过分析多种信号处理方式及分类模型可知，图片信号和AdaBoost集成学习模型能够有效处理振动信号并准确判断故障类型，为准确、可靠地诊断高压断路器故障提供了新途径。

本项目通过产、学、研协同攻关，搭建客户服务数据分析平台，建设5大信息库提升数据管理能力，通过多维降噪技术提升了数据质量，利用多算法模型提升了大数据分析挖掘能力，有效解决上述问题，营销数据价值凸显。创新点如下：一是提出基于序列集成噪声滤波器方法和新型集成学习算法开展电力营销数据加工处理方法，经实践验证，最高有效改善噪声40%左右，提升了数据质量，实现基于电力多维数据的精准趋势预测。二是首创以个人客户、组织客户为一级分类的电力客户标签体系，实现客户细分。建立以文本挖掘、KNN、权重划分等算法相结合的电力客户统一身份识别模型及客户投诉倾向识别方法，降低客户平均通话时长3秒。三是基于熵权法、主成分分析法构建电力营业厅效能评估模型，实现客户诉求提取。创新提出了基于随机森林算法的投诉预警模型，充分融合了AdaBoost，随机森林等不同算法的优势，相较于单一算法的非层次识别模型提升了20%。四是研发基于节点相似度集成网络嵌入模型的跨域电力数据共享安全防护技术，构建指标容差区间模型，快速发现和定位信息系统中的隐患和异常，保障数据跨域和应用安全。五是提出一种基于小波变换算法的用电数据特征提取方法，优化数据存储方式，经过数据特征化处理后单用户单日用电数据的压缩比约为57.60%，；设计了一种满足动态维护的实时数据库系统自动化测试框架，在提高空间利用率和资源利用率的基础上，提升运维效率。 该项目获得发明专利5项、软著4项、发表论文19篇、标准1项。项目成果通过了中国电机工程学会组织的鉴定，整体达到国际领先水平。在公司专业部门，山西、安徽等省（市）电力公司得到实际应用，为省公司节约成本4445万元；项目可推广至其它公共服务领域，全面促使公共服务品质的改善，提升客户对公共服务事业的满意度，提高国民生活水平。

本项目通过产、学、研协同攻关，搭建客户服务数据分析平台，建设5大信息库提升数据管理能力，通过多维降噪技术提升了数据质量，利用多算法模型提升了大数据分析挖掘能力，有效解决上述问题，营销数据价值凸显。创新点如下：一是提出基于序列集成噪声滤波器方法和新型集成学习算法开展电力营销数据加工处理方法，经实践验证，最高有效改善噪声40%左右，提升了数据质量，实现基于电力多维数据的精准趋势预测。二是首创以个人客户、组织客户为一级分类的电力客户标签体系，实现客户细分。建立以文本挖掘、KNN、权重划分等算法相结合的电力客户统一身份识别模型及客户投诉倾向识别方法，降低客户平均通话时长3秒。三是基于熵权法、主成分分析法构建电力营业厅效能评估模型，实现客户诉求提取。创新提出了基于随机森林算法的投诉预警模型，充分融合了AdaBoost，随机森林等不同算法的优势，相较于单一算法的非层次识别模型提升了20%。四是研发基于节点相似度集成网络嵌入模型的跨域电力数据共享安全防护技术，构建指标容差区间模型，快速发现和定位信息系统中的隐患和异常，保障数据跨域和应用安全。五是提出一种基于小波变换算法的用电数据特征提取方法，优化数据存储方式，经过数据特征化处理后单用户单日用电数据的压缩比约为57.60%，；设计了一种满足动态维护的实时数据库系统自动化测试框架，在提高空间利用率和资源利用率的基础上，提升运维效率。 该项目获得发明专利5项、软著4项、发表论文19篇、标准1项。项目成果通过了中国电机工程学会组织的鉴定，整体达到国际领先水平。在公司专业部门，山西、安徽等省（市）电力公司得到实际应用，为省公司节约成本4445万元；项目可推广至其它公共服务领域，全面促使公共服务品质的改善，提升客户对公共服务事业的满意度，提高国民生活水平。