提升型贝叶斯分类器在电力系统暂态稳定评估中的应用

• 作者: 刘艳 卢锦玲 朱永利 赵洪山
• 来源期刊: 电工技术学报
• 学科: 工学
• 关键词: 贝叶斯分类器 暂态稳定评估 数据离散化 AdaptiveBoost算法
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 电力系统
• 页码范围: 177-182
• 页数: 6页
• 分类号: TM732
• 字数: 3795字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-6753.2009.05.028

摘要

应用人工智能技术可实现电力系统暂态稳定的快速评估,朴素贝叶斯分类器作为人工智能方法的一种,其训练计算复杂度是线性的,是解决分类问题最实用、有效的方法之一,但由于它是建立在属性变量相对类变量独立的假设前提下,故存在一定的误分类率.本文采用Adaptive Boost(AdaBoost)算法对朴素贝叶斯分类器进行提升,有效地降低了误分类率,并将提升型贝叶斯分类器用于电力系统暂态稳定评估.选取能迅速反映电力系统暂态过程的特征量,作为贝叶斯分类器的属性变量,将系统稳定或不稳定作为类变量,采用数值仿真算法产生大量样本,并对属性的连续数据进行离散化处理,构造了用于暂态稳定评估的提升型贝叶斯分类器.对新英格兰10机39节点系统进行仿真,结果表明:提升型贝叶斯分类器用于电力系统暂态稳定评估可有效降低机器学习的复杂度和提高暂态稳定的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱永利	华北电力大学电气与电子工程学院	268	5516	39.0	62.0
2	赵洪山	华北电力大学电气与电子工程学院	118	1689	23.0	37.0
3	刘艳	华北电力大学电气与电子工程学院	57	1685	23.0	40.0
4	卢锦玲	华北电力大学电气与电子工程学院	63	998	18.0	29.0