摘要：针对使用传统分类器预测配变重过载会因为重过载样本率较低而带来的总正确率很高,重过载预测正确率却很低这一问题,将重抽样与随机森林理论引入分类模型中,构建重抽样-随机森林分类器对配变重过载进行预测。首先将观测中重过载样本和正常样本按照一定的比例进行抽样形成新的子样本,重复上述过程获得大量的新子样本。接着根据随机森林理论构建一系列的分类器,并用新子样本对分类器进行训练,得到分类模型。最终的预测结果由所有分类器预测结果的众数所决定。对山东省某市的配变进行重过载预测,并将上述方法与传统分类器进行比较。结果表明,新方法在预测配变日重过载类型、重过载开始与结束时间、重过载严重程度方面有较高的准确率。

关键词：配变重过载 样本比率 分类器预测 重抽样 随机森林 

单位：北京交通大学电子信息工程学院; 北京市海淀区100044; 中国电力科学研究院; 北京市海淀区100192; 国网山东省电力公司; 山东省济南市250001