电力系统及其自动化学报
電力繫統及其自動化學報
전력계통급기자동화학보
PROCEEDINGS OF THE CHINESE SOCIETY OF UNIVERSITIES
2013年
4期
34-38
,共5页
电压暂降源识别%标签传播%半监督%特征提取%K-近邻图模型
電壓暫降源識彆%標籤傳播%半鑑督%特徵提取%K-近鄰圖模型
전압잠강원식별%표첨전파%반감독%특정제취%K-근린도모형
voltage sag sources identification%label propagation (LP)%semi-supervised%feature extraction%K-nearest neighbors graph model
针对带标签(类别已知)的电压暂降历史样本数据有限且不易获得的情况,引入基于标签传播半监督学习的电压暂降源识别方法.首先从电压暂降信号中提取了五类暂降信号特征,建立了K-近邻图模型,并实现了图模型上的标签传播.分析了图模型参数k、α对标签传播结果的影响,同时与神经网络、最小二乘支持向量机等监督学习算法的识别结果进行了对比.仿真结果表明,在历史数据较少的情况下,标签传播算法比传统监督学习算法具有更高的识别准确率且实时性好.
針對帶標籤(類彆已知)的電壓暫降歷史樣本數據有限且不易穫得的情況,引入基于標籤傳播半鑑督學習的電壓暫降源識彆方法.首先從電壓暫降信號中提取瞭五類暫降信號特徵,建立瞭K-近鄰圖模型,併實現瞭圖模型上的標籤傳播.分析瞭圖模型參數k、α對標籤傳播結果的影響,同時與神經網絡、最小二乘支持嚮量機等鑑督學習算法的識彆結果進行瞭對比.倣真結果錶明,在歷史數據較少的情況下,標籤傳播算法比傳統鑑督學習算法具有更高的識彆準確率且實時性好.
침대대표첨(유별이지)적전압잠강역사양본수거유한차불역획득적정황,인입기우표첨전파반감독학습적전압잠강원식별방법.수선종전압잠강신호중제취료오류잠강신호특정,건립료K-근린도모형,병실현료도모형상적표첨전파.분석료도모형삼수k、α대표첨전파결과적영향,동시여신경망락、최소이승지지향량궤등감독학습산법적식별결과진행료대비.방진결과표명,재역사수거교소적정황하,표첨전파산법비전통감독학습산법구유경고적식별준학솔차실시성호.
