典型文献
基于改进随机森林的电力系统暂态稳定评估
文献摘要：
针对传统基于机器学习的电力系统暂态稳定评估方法存在准确率偏低和泛化能力不足的问题,提出了一种基于特征选择和改进随机森林的在线暂态稳定评估方法.首先,通过最大化联合互信息挖掘电网运行数据之间的相关性,筛选出具有代表性的关键特征子集;然后,考虑到电力系统数据库中稳定样本与失稳样本之间的类别不平衡问题,通过改进bootstrap抽样和对决策树进行加权处理,增强随机森林对失稳样本的识别能力;最后,基于改进的随机森林算法,建立关键特征数据与暂态稳定标签之间的映射关系.实验结果表明,所提方法具有较高的准确性和较强的鲁棒性,能够满足在线应用的需求.
文献关键词：
暂态稳定评估;机器学习;特征选择;类别不平衡;最大化联合互信息;随机森林
中图分类号：
作者姓名：
刘炼;王强;陈浩
作者机构：
三峡大学电气与新能源学院,宜昌443002
文献出处：
引用格式：
[1]刘炼;王强;陈浩-.基于改进随机森林的电力系统暂态稳定评估)[J].科学技术与工程,2022(11):4367-4374
A类：
最大化联合互信息
B类：
改进随机森林,电力系统暂态稳定评估,基于机器学习,泛化能力,特征选择,在线暂态稳定评估,信息挖掘,电网运行数据,特征子集,系统数据库,类别不平衡,不平衡问题,bootstrap,对决,决策树,识别能力,随机森林算法,关键特征数据,映射关系,在线应用
AB值：
0.232324
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。
