电网技术

2018, v.42;No.421(12) 4107-4115

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

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
Feature Selection for Transient Stability Assessment Applying Distributed PSO Algorithm Based on Hadoop Architecture

谢彦祥;刘天琪;苏学能;

摘要(Abstract):

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。

关键词(KeyWords): 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

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 谢彦祥;刘天琪;苏学能;

Email:

DOI: 10.13335/j.1000-3673.pst.2018.0420

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享