极限学习机和遗传算法在暂态稳定评估特征选择中的应用

发布时间：2017-06-25 13:02

  本文关键词：极限学习机和遗传算法在暂态稳定评估特征选择中的应用，，由笔耕文化传播整理发布。

【摘要】：特征选择和空间降维是电力系统暂态稳定评估中的关键步骤。针对国内外现有文献所提方法中存在的效率低、分解子集操作结果不理想等问题,提出了基于极限学习机和遗传算法的输入特征选择方法。首先运用遗传算法实现特征选择,再输入优选后的子集,利用极限学习机构造分类器加以稳定性评判。其中,适应度函数考虑了两个要素:一是所选特征子集应对分类结果起到较为重要的作用;二是用作输入的特征项尽可能精简。在英格兰10机39节点系统中进行仿真计算,结果表明,进行特征选择后分类效果优于未进行特征选择情况,与其他文献所选的特征子集相比,该方法所选特征子集的分类准确率更高,证明了其有效性和优越性。
【作者单位】： 华北电力大学电气与电子工程学院;
【关键词】： 电力系统 暂态稳定评估 特征选择 遗传算法 极限学习机
【分类号】：TM712;TP18
【正文快照】： 特征选择[1-2]作为电力系统暂态稳定[3]评估工作的重要环节,可以从冗杂、无效的海量数据中提取出有效信息,是保证暂态评估结果的基础。国内外已有许多学者从不同角度、使用不同的人工智能算法[4-6]试图解决此问题,例如模拟退火算法、支持向量机SVM(support vector machine)、

【相似文献】

中国期刊全文数据库 前10条

1 王新峰;邱静;刘冠军;;基于特征相关性和冗余性分析的机械故障特征选择研究[J];中国机械工程;2006年04期

2 刘晓志;黄厚宽;尚文倩;;带专业词库的特征选择[J];北京交通大学学报;2006年02期

3 周瑞琼;朱颢东;吴洪丽;;基于两种特征贡献度的特征选择[J];河南科技大学学报(自然科学版);2010年05期

4 潘nQ;顾宏斌;赵芷晴;;术语定义抽取的特征选择框架[J];南京航空航天大学学报;2012年03期

5 吕彦红;陈基漓;阮百尧;;基于遗传算法的中文自动分类特征选择[J];山东理工大学学报(自然科学版);2009年01期

6 刘代志,李夕海,张斌;基于序优化方法的特征选择研究[J];核电子学与探测技术;2004年06期

7 黄淼;张国平;;基于多目标进化封装的特征选择在人脸识别中的应用[J];科学技术与工程;2013年33期

8 刘开第,薛俊锋,庞彦军;特征选择及其常用算法[J];河北建筑科技学院学报;2004年04期

9 杨杨;吕静;;高维数据的特征选择研究[J];南京师范大学学报(工程技术版);2012年01期

10 赵小杰,种劲松,王宏琦;合成孔径雷达图像的特征选择[J];遥感技术与应用;2001年03期

中国重要会议论文全文数据库 前10条

1 靖红芳;王斌;杨雅辉;;基于类别分布的特征选择框架[A];第四届全国信息检索与内容安全学术会议论文集（上）[C];2008年

2 李长升;卢汉清;;排序学习模型中的特征选择[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

3 刘功申;李建华;李生红;;基于类信息的特征选择和加权方法[A];NCIRCS2004第一届全国信息检索与内容安全学术会议论文集[C];2004年

4 倪友平;王思臣;马桂珍;陈曾平;;分支界定算法在低分辨雷达飞机架次判别中的应用[A];第十三届全国信号处理学术年会（CCSP-2007）论文集[C];2007年

5 李泽辉;聂生东;陈兆学;;应用多类SVM分割MR脑图像特征选择与优化的实验研究[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

6 蒙新泛;王厚峰;;主客观识别中的上下文因素的研究[A];中国计算机语言学研究前沿进展（2007-2009）[C];2009年

7 万京;王建东;;一种基于新的差异性度量的ReliefF方法[A];2009年研究生学术交流会通信与信息技术论文集[C];2009年

8 范丽;许洁萍;;基于GMM的音乐信号音色模型研究[A];第四届和谐人机环境联合学术会议论文集[C];2008年

9 陈友;戴磊;程学旗;;基于MRMHC-C4．5的IP流分类[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

10 申f;杨宏晖;袁帅;;用于水声目标识别的互信息无监督特征选择[A];第三届上海——西安声学学会学术会议论文集[C];2013年

中国博士学位论文全文数据库 前10条

1 李静;高维数据交互特征选择和分类研究[D];燕山大学;2015年

2 刘风;基于磁共振成像的多变量模式分析方法学与应用研究[D];电子科技大学;2014年

3 王石平;粗糙拟阵及其在高维数据降维中的应用研究[D];电子科技大学;2014年

4 代琨;基于支持向量机的网络数据特征选择技术研究[D];解放军信息工程大学;2013年

5 王爱国;微阵列基因表达数据的特征分析方法研究[D];合肥工业大学;2015年

6 王博;文本分类中特征选择技术的研究[D];国防科学技术大学;2009年

7 张明锦;基于特征选择的多变量数据分析方法及其在谱学研究中的应用[D];华东理工大学;2011年

8 高青斌;蛋白质亚细胞定位预测相关问题研究[D];国防科学技术大学;2006年

9 冯国忠;文本分类中的贝叶斯特征选择[D];东北师范大学;2011年

10 张丽新;高维数据的特征选择及基于特征选择的集成学习研究[D];清华大学;2004年

中国硕士学位论文全文数据库 前10条

1 周瑞;基于支持向量机特征选择的移动通信网络问题分析[D];华南理工大学;2015年

2 张金蕾;蛋白质SUMO化修饰位点预测的数据挖掘技术研究[D];西北农林科技大学;2015年

3 陈云风;基于聚类集成技术的高铁信号故障诊断研究[D];西南交通大学;2015年

4 张斌斌;网络股评的倾向性分析[D];中央民族大学;2015年

5 季金胜;高分辨率遥感影像典型地物目标的特征选择及其稳定性研究[D];上海交通大学;2015年

6 袁玉录;基于数据分类的网络通信行为建模方法研究[D];电子科技大学;2015年

7 王虎;基于试验设计的白酒谱图特征选择及支持向量机参数优化研究[D];南京财经大学;2015年

8 王维智;基于特征提取和特征选择的级联深度学习模型研究[D];哈尔滨工业大学;2015年

9 皮阳;基于声音的生物种群识别[D];电子科技大学;2015年

10 刘树龙;特征选择在软件缺陷预测中的应用技术研究[D];南京大学;2015年

  本文关键词：极限学习机和遗传算法在暂态稳定评估特征选择中的应用，由笔耕文化传播整理发布。

本文编号：482155