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

• 作者: 卢锦玲 於慧敏
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 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
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 学术论文
• 页码范围: 103-108
• 页数: 6页
• 分类号: TM712
• 字数: 5005字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-8930.2016.12.017

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢锦玲	华北电力大学电气与电子工程学院	63	998	18.0	29.0
2	於慧敏	华北电力大学电气与电子工程学院	7	22	3.0	4.0