基于人工智能的电力状态评估系统不良数据高效识别方法

• 作者: 吴钊 王倩 胡全贵
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 人工智能 电力状态评估 系统 不良数据 高效识别
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 自动化应用
• 页码范围: 189-192
• 页数: 4页
• 分类号: TP206
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2019.11.189

摘要

为了提高电力状态评估能力,需要对电力状态评估系统不良数据进行准确识别,提出基于人工智能的电力状态评估系统不良数据高效识别方法,采用无线传感器网络进行电力状态评估系统的数据采集,对采集的大数据采样区域状态空间结构重组方法进行数据特征重构,提取电力状态评估系统不良数据的统计特征量,采用多层模板特征匹配方法进行电力状态评估系统不良数据的模糊聚类融合处理,根据特征提取结果进行电力状态评估系统不良数据的分组检测,结合自回归分析方法,提高对电力状态评估系统不良数据识别能力.仿真结果表明,采用该方法进行电力状态评估系统不良数据识别的准确性较高,稳定性较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡全贵		10	7	2.0	2.0
2	吴钊		5	10	2.0	3.0
3	王倩		1	0	0.0	0.0