全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

提升型贝叶斯分类器在电力系统暂态稳定评估中的应用

, PP. 177-182

Keywords: 贝叶斯分类器,暂态稳定评估,数据离散化,Adaptive,Boost算法

Full-Text   Cite this paper   Add to My Lib

Abstract:

应用人工智能技术可实现电力系统暂态稳定的快速评估,朴素贝叶斯分类器作为人工智能方法的一种,其训练计算复杂度是线性的,是解决分类问题最实用、有效的方法之一,但由于它是建立在属性变量相对类变量独立的假设前提下,故存在一定的误分类率。本文采用AdaptiveBoost(AdaBoost)算法对朴素贝叶斯分类器进行提升,有效地降低了误分类率,并将提升型贝叶斯分类器用于电力系统暂态稳定评估。选取能迅速反映电力系统暂态过程的特征量,作为贝叶斯分类器的属性变量,将系统稳定或不稳定作为类变量,采用数值仿真算法产生大量样本,并对属性的连续数据进行离散化处理,构造了用于暂态稳定评估的提升型贝叶斯分类器。对新英格兰10机39节点系统进行仿真,结果表明提升型贝叶斯分类器用于电力系统暂态稳定评估可有效降低机器学习的复杂度和提高暂态稳定的分类精度。

References

[1]  傅书遢, 倪以信, 薛禹胜.直接法稳定分析[M]. 北京:中国电力出版杜, 1999.
[2]  许涛, 贺仁睦, 王鹏, 等. 基于统计学习理论的电力系统暂态稳定评估[J]. 中国电机工程学报, 2003, 23(11): 51-55.
[3]  顾雪平, 曹绍杰, 张文勤. 基于神经网络暂态稳定评估方法的一种新思路[J]. 中国电机工程学报, 2000, 20(4): 77-83.
[4]  戴仁昶, 张伯明, 戚其荟. 暂态稳定仿真的综合人工智能方法[J]. 中国电机工程学报, 2002, 22(12): 1-5.
[5]  Liu Bo, Hao Zhifeng, Yang Xiaowei. Nesting support vector machine for multi-classification[C]. Proceedings of the Fourth International Conference on Machine Learning and Cybernetics, Guangzhou, 2005: 4220-4224.
[6]  Tom Mitchell. 机器学习[M]. 曾华军译. 北京:机械工业出版社, 2003.
[7]  吴立增, 朱永利, 苑津莎. 基于贝叶斯网络分类器的变压器综合故障诊断方法[J]. 电工技术学报, 2005, 20(4): 45-51.
[8]  余贻鑫, 陈礼义. 电力系统的安全性和稳定性[M].北京:科学出版社, 1998.
[9]  刘玉田, 林非. 基于相量测量技术和模糊径向基网络的暂态稳定性预测[J]. 中国电机工程学报, 2000, 20(2): 19-23.
[10]  马骞, 杨以涵.多输入特征融合的组合支持向量机电力系统暂态稳定评估[J]. 中国电机工程学报, 2005, 27(6): 17-23.
[11]  Moulin L S, Alvesda Silva A P, El Sharkawi M A, et a1. Support vector machines for transient stability analysis of large scale power systems[J]. IEEE Tran- sactions on Power Systems, 2004, l9(2): 818-825.
[12]  Mansour Yakout, Vaahedi Ebrahim, El-Sharkawi M A. Large scale dynamic security screening and ranking using neural networks[J]. IEEE Transactions on Power Systems, 1997, 12(2): 954-960.
[13]  Tso S K, Gu X P, Zeng Q Y, et al. Deriving a transient stability index by artificial neural networks for power system security assessment[J]. Engineering Applications of Artificial Intelligence, 1998, 11(6): 771-779.
[14]  Huang Jin, Lu Jingling, Ling Charles X. Comparing naive Bayes, decision trees, and SVM with AUC and accuracy[C]. Proceeding of the 3rd IEEE International Conference on Data Mining, Melbourne, Florida, USA, 2003: 553-556.
[15]  Yoav Freund, Robert E Schapire. A decision-theoretic generalization of on-line learning and an application to boosting[J]. Computer and System Sciences, 1997, 55(1): 119-139.
[16]  刘艳, 顾雪平, 李军. 用于暂态稳定评估的人工神经网络输入特征离散化方法[J]. 中国电机工程学报, 2005, 25(15): 56-61.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133