基于蚁群算法的暂态稳定评估输入特征的识别

基于蚁群算法的暂态稳定评估输入特征的识别

ID:4124946

大小:348.86 KB

页数:4页

时间:2017-11-29

基于蚁群算法的暂态稳定评估输入特征的识别_第1页
基于蚁群算法的暂态稳定评估输入特征的识别_第2页
基于蚁群算法的暂态稳定评估输入特征的识别_第3页
基于蚁群算法的暂态稳定评估输入特征的识别_第4页
资源描述:

《基于蚁群算法的暂态稳定评估输入特征的识别》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、一!中国高等学校电力系统及其自动化专业第二十四届学术年会论文集基于蚁群算法的暂态稳定评估输入特征的识别章小强,管霖,∀华南理工大学电力学院广东省广州市#∃%摘要&本文提出了基于蚁群优化算法和∋阶近邻法∀∋!((%相结合的特征选择算法实现暂态稳定评估过程中关键特征的识。,,)别过程选择稳态潮流量构成电力系统暂态稳定评估的候选特征集利用蚁群优化算法搜索特征子集然后用∋((分类器,。的分类效果和所选特征子集维数的综合指标作为特征子集的评价函数从而实现关键特征的选择通过对机∗+节点系统进行计算,用所选择关键特征形成的稳定判别规则能很高精度地判定系统的稳定水平,结果验证了所提

2、方法的有效性。关键&,,,∋词暂态稳定评估特征选择蚁群优化算法近邻分类器≅,学者?1:Α<Β:提出的一种新型模拟进化优化算法4Χ5其本质−引言是一种基于群体的多代理算法,运用了正反馈、分布式计算,随着./010系统采集到运行数据的日益丰富和完善。和贪婪启发式搜索它模拟蚂蚁搜索食物过程中个体之间信电力系统的运行人员能够掌握大量的各种运行方式下的运息交流和相互协作,每只蚂蚁在候选空间独立地搜索解,并,,行数据如何利用好这些数据从中找到电力系统稳定水平在所寻得的解上留下一定的信息素,信息素越大的解被选择,的变化规律以指导运行调度人员对系统暂态稳定水平的在。,,的可能性也就越大而对于一

3、条路径选择它的蚂蚁越多则。线预测和控制具有十分重要的意义基于人工智能理论的暂在该路径上所留下的信息素强度就越大,强度大的信息素又。态稳定评估方法能很好地解决这一类问题人工智能方法进会吸引更多的蚂蚁,这样不断循环,从而形成一种正反馈。行暂态稳定评估实质是建立特征变量和暂态稳定结果之间,,正是通过这种正反馈蚂蚁通过相互之间的合作最终找到,。的映射关系构造电力系统状态的快速分类器〔2!∃它不需。从蚁巢到食物之间的最短路径,要建立系统的数学模型而是直接从样本中寻求状态参数与,03−自首次提出到目前为止已经成功地用于旅行商,稳定性或稳定指标之间的映射关系求解稳定指标不需要重、。问题∀Δ.

4、Ε%4Φ5二次分配问题9Β5∀Γ%等组合问题在妙,,复试探因此整个分析过程的计算量受系统规模影响小整,、电力系统中03:成功地用于解决最优机组组合电力。体评估速度很快、。网络节点编号优化5输电网规划4Η5等问题蚁群算法在但是.3010系统收集的海量的数据中包含大量与其它各个领域的应用已经充分显示了其在求解组合问题的优越,特征相关度极高以及和分类不相关的特征这为暂态稳定分。性析提供足够大的样本空间的同时,也增加了分析问题的难度,4∃2。Η基于蚁群优化算法的特征选择算法和所需时间在一定程度上使得问题的处理变得不可行因此,如何有效地选择和分类强相关的关键特征以简化分类Η≅

5、特征选择图形描述器的设计,是提高人基于人工智能理论的稳定评估精度和速一般来说,蚁群算法可,以解决任何一种组合问题关键。度的一个关键过程2#5。是怎样定义待解决的问题特征选择过程从本质上来说也是特征选择的目的就是从大量的原始特征中选择和分类,,一个最优组合问题根据蚁群算法的基本思想要把蚁群算强相关的关键特征,它是以保留特征维数尽可能小和反映目法应用在特征选择上首先要把特征选择过程转化为路径问标的信息损失尽可能少为综合目标,通过筛选与目标高度相。,题形式基于特征选择和旅行商的相似性可以把每个特征,关的特征实现从1维特征空间中提取6维特征∀6771%。当作蚂蚁要访问的地点特征选择过程

6、可以表示为图的路。的45目的。径形成过程基于特征选择的目的,本文提出一种基于蚁群优化算法,设>蚂蚁从地点开始根据状态转移概率选择下一个要。和∋!((分类器相结合的特征选择算法利用蚁群优化算法,访问的节点Ι,并通过禁忌表毛北ϑ记录已经访问过的地点蚂,)的全局寻优能力搜索特征子集把∋((分类器的分类性能。,蚁下一次不能选择以前经过的地点如此重复直到满足蚂和特征子集的维数作为评价特征子集优劣的评价函数,以实,。,蚁停止访问的条件为止设在节点6停止这样一只蚂蚁现特征选择的目的。,,,从>经Ι/走到6形成一条路径该条路径上的节点集合Κ>Ι,,。,/蚁群优化算法的基本思路6%就是特征选

7、择的一组可行解,蚁群优化算法〔0893:2:8;9<而=>9<:803−%是意大利即Λ≅人工智能在电力系统中的应用一!‘““凡了ΒΜ∀Ν%吧∋<∀∃%,,其中/为已知样本类别数Ο<为样本中的第<类气为∋。个近邻中属于第凡类的样本数,由于∋!((是一种基于欧式距离的聚类方法其不受任何人为主观因素的影响,具有很强的客观性,因此本文选择,二。∋!(分类器来评价特征子集的优劣取∋#根据特征选择的目的,选用特征子集对分类的正确率和特征维数的综合指标作为特征子集的评价,函数借鉴文献,&45将特征

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。