基于GSA的电力系统不良数据辨识算法

• 作者: 吴军基 杨伟 胡军
• 来源期刊: 继电器
• 学科: 工学
• 关键词: GSA 数据挖掘 不良数据辨识
• 年，卷（期）: 2005,（22）
• 所属期刊栏目: 电力系统分析与控制
• 页码范围: 41-44
• 页数: 4页
• 分类号: TM73
• 字数: 2725字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3415.2005.22.010

摘要

随着数字化技术在电力系统中的广泛应用及对电力系统运行可靠性要求的不断提高,不良数据的辨识显得越来越重要.目前广泛应用的状态估计法,存在残差污染等缺点.论文研究了建立在神经网络和聚类分析基础上的GSA不良数据辨识算法,该算法运用神经网络完成对测量数据的预处理,然后由GSA算法对聚类分析后的结果进行判断,完成不良数据的辨识.论文借助Matlab及C语言对GSA算法进行了仿真,通过一个具体的网络不良数据辨识将此算法与状态估计算法进行了比较,验证了该算法的有效性及实用性,有效地避免了不良数据的漏检、误检.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨伟	南京理工大学动力学院	91	1166	20.0	31.0
2	吴军基	南京理工大学动力学院	138	2378	25.0	44.0
3	胡军	南京理工大学动力学院	4	65	4.0	4.0