陳凱 南東亮 孫永輝 夏響

摘要：電網(wǎng)二次設備缺陷嚴重程度的精確判斷可為設備的運行和維護提供重要依據(jù).針對電網(wǎng)二次設備缺陷數(shù)據(jù)特征量多、人為判斷難度大、易出錯等問題，提出基于XGBoost（eXtreme Gradient Boosting）的二次設備缺陷分類方法，提高二次設備缺陷分類的準確率.首先，對二次設備歷史缺陷數(shù)據(jù)進行去異常值、編碼等一系列預處理工作，并篩選出與設備缺陷相關性高的特征建立特征指標集;然后，利用歷史缺陷數(shù)據(jù)對XGBoost模型進行訓練和參數(shù)尋優(yōu);最后，用訓練好的分類模型實現(xiàn)二次設備缺陷的準確分類.本文采用某電廠二次設備缺陷數(shù)據(jù)對所提算法進行算例分析，并與傳統(tǒng)分類器（決策樹、邏輯回歸等）進行比較，結果表明XGBoost可以實現(xiàn)對二次設備缺陷程度的精確判斷，進而可以很好地輔助檢修人員進行設備的維護與管理.

關鍵詞：XGBoost算法;二次設備;缺陷分類;機器學習