基于贝叶斯网和集成学习的智能电能表状态评价方法研究

发布时间：2024-05-19 01:39

　　智能电能表是智能电网建设中重要的一环,为了推进智能电网建设进程,国家电网公司在国内开展关于智能电能表的相关研究。国家标准规定,电能表(1、2级)在使用8年后需回收并进行检测,而检测后的电能表需要进过“两拆两装”才能继续使用,此举导致电能表每年的浪费量巨大。因此,研究如何对电能表运行状态进行更科学有效的评估,以减少浪费节约成本具有重要意义。数据融合作为一种通过对多种来源的观测信息进行综合分析以辅助决策的技术,被广泛应用于各行各业。为了减少电能表资源的浪费,本文使用基于概率图模型的数据融合技术对智能电能表运行状态进行评估。主要工作如下:(1)在数据预处理过程中,本文首先使用基于信息熵的数据离散化算法对原始数据进行处理,然后使用模拟退火对数据特征进行选择,以便模型能更好的利用数据;(2)使用改进版人工蜂群算法对贝叶斯网络结构进行学习。本文在改进版人工蜂群算法中引入了模拟退火的思路,使用热力学公式以一定概率接纳次优解,优化更新蜜源的策略。(3)为提高模型泛化能力,本文使用集成算法对基于改进版人工蜂群算法的贝叶斯网络模型进行集成,并在此基础上利用k-means聚类算法对模型进行选择性集成。为了更...

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图41人工蜂群算法流程图

第4章基于改进版人工蜂群算法的贝叶斯网络的状态评价模型25出增长式蜂群算法，在不断迭代的过程中，逐渐增发蜂群的种群规模，从而达到大规模持续优化的效果。图4_1人工蜂群算法流程图ABC算法执行步骤如图4_1所示，该算法将目标解模拟为蜜源，通过仿照雇佣蜂、跟随蜂、探索蜂三个蜂种来寻找....

图51集成算法流程

第5章基于选择性集成与凸函数证据理论的状态评价模型35第5章基于选择性集成与凸函数证据理论的状态评价模型5.1基于选择性集成的信息融合算法5.1.1集成算法简介使用基于人工蜂群的贝叶斯网对智能电能表的状态进行评估时，能取得较高的评估正确率。但是，单个贝叶斯网算法泛化能力较差。当训....

图52选择性集成算法流程

第5章基于选择性集成与凸函数证据理论的状态评价模型37全集D，即在减少基分类器的同时，尽量减少预测准确率的下降。最优的基分类器子集D’理论上可以通过对全集D穷举获得，但该算法需要穷举出集合D的所有组合，时间复杂度过高。算法的大体流程如图5_2所示，先通过Bagging或Boost....

图53模型结构图

第5章基于选择性集成与凸函数证据理论的状态评价模型42假设有训练集为DX和预测集Dy，将Dx切割成占比为0.6/0.4的子数据集Dx1和Dx2；设Bagging采样的次数为N；选择性集成中簇的个数为K；凸函数证据理论中，gd的上、下界阈值分别为Δ。步骤1：利用5.1.2.2节中的....

本文编号：3977451