基于记分准则的特征属性选择及其在静态电压稳定分析中的应用

• 作者: 丁涛 万秋兰 王雨 顾伟
• 来源期刊: 电力自动化设备
• 学科: 工学
• 关键词: 数据挖掘 电压稳定 主成分分析 记分准则 支持向量机 稳定性
• 年，卷（期）: 2012,（10）
• 所属期刊栏目: 分析与研究
• 页码范围: 132-137
• 分类号: TM712
• 字数: 6047字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-6047.2012.10.024

摘要

在使用记分准则对特征属性进行初步降维后,采用改进的主成分分析法对降维后的属性进行分类,分别提取主成分,把各类主成分合并起来作为支持向量机(SVM)的训练输入.以节点电压和支路损耗为属性,得到静态电压稳定的分类器.对IEEE 14节点和IEEE 300节点系统进行仿真分析,结果表明3种记分准则均能有效剔除对分类影响较小的属性,虽然分类属性比综合属性得到的主成分多,但相对海量属性已大幅降低,所提方法能提高准确度,节约内存.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万秋兰	东南大学电气工程学院	81	1515	21.0	35.0
2	丁涛	东南大学电气工程学院	19	367	10.0	19.0
3	顾伟	东南大学电气工程学院	105	1820	24.0	39.0
4	王雨	东南大学电气工程学院	5	59	3.0	5.0