基于KPCA-SVM的同期线损数据治理研究

• 作者: 姚劲松 安立进 郭雷 陆鑫 霍成军 黄文思
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 核主成分分析 支持向量机 同期线损 预测
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 2534-2538
• 页数: 5页
• 分类号: TM73
• 字数: 3332字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2018.12.029

摘要

针对智能电网中同期线损管理可以查询异常数据,从而找到异常挂载设备的问题,论文提出了基于核主成分分析(Kernel Principal Component Analysis,KPCA)关键因素提取的支持向量机(Support Vector Machine,SVM)电网线损预测模型,通过KPCA提取影响线损的特征向量,然后建立SVM线损预测模型,然后将预测线损电量与实际线损相比较,若差值大于设定阈值,则采用TF-IDF(term frequency–inverse document frequency)算法筛选异常挂载电力设备.最后,通过实验验证了KPCA-SVM的有效性以及TF-IDF方法筛选异常设备的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄文思		21	79	5.0	7.0
2	陆鑫		11	41	4.0	6.0
3	姚劲松		7	10	3.0	3.0
4	安立进		2	3	1.0	1.0
5	郭雷		1	3	1.0	1.0
6	霍成军		4	15	3.0	3.0