10.13335/j.1000-3673.pst.2018.0420
Hadoop架构下基于分布式粒子群算法的 暂态稳定评估特征量选择
特征量选择是基于机器学习的电力系统暂态稳定评估的重要环节.针对现有特征量选择方法存在分类判据选择效果不佳和初始特征集构建不全面等问题,提出一种基于改进分类判据和考虑单机特征的特征量选择方法.首先以基于类内类间离散度的分类判据为基础,对类内类间离散度进行改进,同时基于信息熵提出特征熵的概念用于衡量低维特征组合中各特征量在初始特征集中的重要程度,进一步提出基于改进类内类间离散度和特征熵的分类判据;其次,利用系统特征和可表征临界机组特性的单机特征构建初始特征集,且为尽量避免所提特征量选择方法出现维数灾问题,提出用于特征量选择的Hadoop架构下分布式粒子群算法;最后,以EPRI-36节点系统和某实际系统为算例验证所提方法的有效性.
暂态稳定评估、特征量选择、分布式粒子群算法、Hadoop平台、分类判据
42
TM721(输配电工程、电力网及电力系统)
2019-01-03(万方平台首次上网日期,不代表论文的发表时间)
共9页
4107-4115