一種基于KMeans與RandomForest的異常溫升捕捉方法

打開文本圖片集

摘要：針對線路老化、線路過載的火災頻發(fā)問題，分析了線路老化、線路過載與異常溫升之間的關聯(lián)性，以電流值、線纜溫度作為輸入，利用KMeans聚類算法劃分可能存在異常溫升的區(qū)間，通過RandomForest算法識別線路過載問題，可以提前通知用戶整改線路，預防火災的發(fā)生。

關鍵詞：線路過載;異常溫升;RandomForest;KMeans

中圖分類號：TU855

文獻標志碼：A文章編號：1674-8417（2024）06-0021-06

DOI：10.16618/j.cnki.1674-8417.2024.06.004

0引言

隨著科學技術的發(fā)展、生活水平的穩(wěn)步提高，各種電子和電氣設備的使用愈發(fā)普及，電氣系統(tǒng)也愈發(fā)復雜，因此線路過載成為現(xiàn)今電氣火災產(chǎn)生的主要原因，引發(fā)社會各界對其的關注。（剩余4235字）