基于机器学习的输电线路大风异物跳闸预警方法及系统

本发明公开了基于机器学习的输电线路大风异物跳闸预警方法及系统，属于电力系统智能运维与人工智能交叉技术领域，包括在输电线路历史跳闸记录中获取多源异构数据，多源异构数据包括大风异物跳闸样本、杆塔静态环境数据和气象数据；对多源异构数据进行预处理，预处理引入可信度评估，将处理后的样本集按时间顺序划分为训练集和验证集，利用XGBoost机器学习模型对输电线路大风异物跳闸预测模型进行训练及验证，将输电线路实时气象数据和杆塔静态环境数据，输入训练好的输电线路大风异物跳闸预测模型，得到未来预设时段内每个杆塔发生大风异物跳闸的概率值，当概率值大于动态预警阈值时，进行大风异物跳闸预警。