改进迭代自组织数据分析法的不良数据辨识

• 作者: 卫志农 周封伟 孙国强
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 遗传算法 ISODATA法 状态估计 不良数据 检测辨适
• 年，卷（期）: 2006,（11）
• 所属期刊栏目: 电力系统
• 页码范围: 162-166
• 页数: 5页
• 分类号: TM77
• 字数: 3694字
• 语种: 中文
• DOI: 10.3321/j.issn:0258-8013.2006.11.029

摘要

针对迭代自组织数据分析技术A(iterative selforganizing data analysis technique A-ISODATA)对初始聚类中心敏感问题,提出将基于遗传算法的改进ISODATA方法用于电力系统不良数据辨识.该方法采用量测值的标准残差rN 和相邻采样时刻量测值之差△z作为特征值,然后采用遗传算法形成初始分类矩阵,通过遗传操作进行迭代计算,实现量测数据的模糊聚类分析,最终根据隶属度的大小来辨识其是否属于不良数据.算例表明, 该方法能最终获得全局最优解,从而进行准确的不良数据辨识,避免了初始聚类中心对分类结果的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卫志农	河海大学电气工程学院	239	4926	37.0	61.0
2	孙国强	河海大学电气工程学院	167	3205	29.0	51.0
3	周封伟	河海大学电气工程学院	2	122	2.0	2.0