10.3969/j.issn.1003-8930.2016.12.017
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
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。
电力系统、暂态稳定评估、特征选择、遗传算法、极限学习机
28
TM712(输配电工程、电力网及电力系统)
2017-01-06（万方平台首次上网日期，不代表论文的发表时间）
共6页
103-108
