基于ELM与DBSCAN的微电网不良数据检测方法

• 作者: 刘飞 查晓明 熊晓琪 郝亮亮 黄鹤鸣
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 不良数据检测 微电网 极限学习机 DBSCAN 数据挖掘
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 信息与能源
• 页码范围: 59-65
• 页数: 7页
• 分类号: TM744
• 字数: 4214字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1390.2018.06.010

摘要

不良数据检测可以为微电网运行决策提供可靠的数据依据.由于微电网运行模式切换频繁且系统解析模型难以建立,传统基于状态估计的不良数据检测方法尚未得以应用.文章利用极限学习机(ELM)对微电网历史数据进行学习以提取数据特征;进而利用DBSCAN聚类算法分析特征量以识别不良数据,提出了一种基于ELM和DBSCAN的微电网不良数据检测方法.利用一台四端环形直流微电网样机的历史运行数据构建仿真算例,验证了所提方法的有效性;并与多种常用的数据挖掘算法进行对比,结果表明ELM+DBSCAN在算法性能与检测效果上均具有优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	查晓明	武汉大学电气工程学院	140	1760	20.0	38.0
2	刘飞	武汉大学电气工程学院	56	1063	16.0	32.0
3	熊晓琪	武汉大学电气工程学院	3	3	1.0	1.0
4	黄鹤鸣	武汉大学电气工程学院	6	32	2.0	5.0
5	郝亮亮	武汉大学电气工程学院	1	1	1.0	1.0