基于贝叶斯优化XGBoost的现场校验仪误差预测.docxVIP

ADDIN CNKISM.UserStyle基于贝叶斯优化XGBoost的现场校验仪误差预测 徐锋*基金项目：国家自然科学基金项目 *基金项目：国家自然科学基金项目， 中国博士后科学基金（2017M612499）， 中央高校基本科研业务费专项资金（413000057） （武汉大学 动力与机械学院，武汉 430072） 摘要：针对不同工况下现场校验仪会出现不同程度偏差的问题，通过搭建多维条件实验平台探究了电压、电流、温度、湿度以及功率因数对校验仪误差的影响，提出利用XGBoost对复杂现场条件下校验仪误差进行预测的方法，形成了基于多维条件耦合的校验仪误差预测模型。另外针对XGBoost中参数选择问题，将贝叶斯优化算法应用到模型的参数寻优之中。多组实验验证结果表明该模型泛化性能和预测精度均优于随机搜索和网格搜索等超参数调整方法，能够对不同环境下现场校验仪的误差进行评估。 关键词：现场校验仪；电能表；贝叶斯优化；XGBoost算法 中图分类号：TM933 文献标识码：A 文章编号： Error prediction of field calibrator based on bayesian Bayesian optimization XGBoost Xu Feng1, Fang Yanjun1 ( School(School of Power and Mechanical Engineering, Wuhan University, Wuhan 430072,China, China) Abstract: In order to solve the problem of varying degrees of deviation in the field calibrator at different working conditions, the influence of voltage, current, temperature, humidity and power factor on the error of the calibrator was explored by building a multi-dimensional condition experimental platform,thenplatform, and then, a method for predicting the error of calibrator under complex field conditions is proposed by using XGBoost, the calibrator error prediction model based on multidimensional conditional coupling was formed. In addition, aiming at parameter selection in XGBoost, bayesianBayesian optimization algorithm was incorporated into the parameter optimization of the model. The results show that the generalization performance and prediction accuracy of the model are superior to those of random search and grid search, and can be used to evaluate the error of the calibrator under different environments. Keywords: field calibrator, electric energy meter, bayesianBayesian optimization, XGBoost algorithm 0 引 言 电能是推动国民经济发展，改善人民生活水平的重要能源，电能计量数据是发电部门、供电机构以及用户三者之间费用核算的根本依据。关口电能表是安装运行在发电企业上网、跨区联络线、省网联络线及省内下网等关口电能计量装置中的电能表，用于贸易结算和内部经济指标的考核，其计量准确性直接关系电力企业的经济效益和社会效益，是保证电力市场正常运行的关键，在整个电网的电能计量中起着十分重要的作用[1]。 按照 DL/T448-2000《电能计量装置技术管理规程》[2]要求，对于I类电能表现场校验周期不能超过三个月；Ⅱ类电能表现场校验周期不能超过