孤岛检测的关键特征识别及元学习方法
数据挖掘技术能有效解决孤岛检测中检测阈值的整定问题,已成为重要的孤岛检测方法。文中提出由关键特征识别、基学习器和元学习器等3个环节构成的孤岛检测数据挖掘系统。首先,分析了孤岛检测样本中的弱相关特征对分类的不利影响,提出利用 RELIEF(recursive elimination of features)算法首先识别孤岛检测的关键特征。然后,分析了单一分类器的归纳偏置现象,提出利用多个分类器的互补性提高孤岛检测的精度;最后,提出了基于元学习的新的孤岛检测方法。为验证上述方法的有效性,仿真算例中充分考虑了功率不平衡度、电压扰动等因素。仿真结果表明,上述3个环节对提高孤岛检测的精度和泛化能力具有重要作用。
微电网(微网)、分布式电源、孤岛检测、数据挖掘、RELIEF 算法、功率不平衡度、元学习方法
TM9;TM4
国家高技术研究发展计划863计划资助项目2012AA050803;上海市科委项目11dz1210402。@@@@This work is supported by National High Technology Research and Development Program of China 863 Program2012AA050803;Shanghai Science and Technology Commission11dz1210402
2014-09-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
72-78