改进Sammon映射算法在分析暂态稳定评估输入特征有效性中的应用

摘要：

基于机器学习技术的电力系统暂态稳定评估方法中，输入特征提取的是否合理往往决定了最终的分类效果。然而，目前却缺乏一种工具去评价选择的输入特征是否具有可分性。鉴于此，引入Sammon映射算法将高维样本数据映射到低维空间中，通过观察映射点的分布情况判断提取的特征是否有效，并针对原算法的不足之处进行改进。首先利用主成分分析法( principal component analysis， PCA)求出包含原始数据信息最多的前两维主成分向量，代替原算法随机取值的方法，作为映射点坐标向量的初始值。然后，采用迭代修正法求解最终的映射点坐标向量，加快了求解速度。最后，以改进Sammon映射算法作为工具，分析IEEE 39节点系统的仿真数据和某地区实际在线历史数据提取特征的有效性，证明该算法在指导特征选择中具有良好的应用前景。

关键词：暂态稳定、机器学习、Sammon映射、特征有效性

所属期刊栏目：37

分类号：TM71(输配电工程、电力网及电力系统)

资助基金：国家重点基础研究发展计划项目973项目2013CB228203；国家电网公司科技XT71-15-001 Project supported by National Basic Research Program of China 973 Program2013CB228203

在线出版日期：2016-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：96-103