典型文献
考虑误分类约束的电力系统暂态稳定评估
文献摘要：
为解决基于机器学习的电力系统暂态稳定评估通常存在误分类,导致系统出现不可预测风险的问题,提出一种考虑误分类约束的电力系统暂态稳定评估方法.首先,通过自适应综合过采样算法对输入数据进行过采样处理.然后,采用群体最大信息系数进行数据降维.最后,基于伞式奈曼-皮尔逊分类器构建电力系统暂态稳定评估模型.在新英格兰10机39节点系统及1648节点系统上的测试结果表明,所提方法的评估性能强于传统机器学习方法,且对漏判率有更好的限制效果,具有一定的实际应用价值.
文献关键词：
机器学习;暂态稳定评估;误分类约束;自适应综合过采样;伞式奈曼-皮尔逊分类器
中图分类号：
作者姓名：
周惠怡;刘颂凯;张磊;张雅婷;毛丹;晏光辉
作者机构：
三峡大学电气与新能源学院,宜昌 443002;佛山电力设计院有限公司,佛山 528000
文献出处：
引用格式：
[1]周惠怡;刘颂凯;张磊;张雅婷;毛丹;晏光辉-.考虑误分类约束的电力系统暂态稳定评估)[J].电力系统及其自动化学报,2022(06):71-78
A类：
误分类约束
B类：
电力系统暂态稳定评估,基于机器学习,常存,导致系统,测风,自适应综合过采样,采样算法,输入数据,最大信息系数,数据降维,皮尔逊,分类器,新英格兰,节点系统,机器学习方法,漏判率
AB值：
0.191513
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
