基于特征选择和随机森林的电力系统受扰后动态频率预测
Power System Technology（2021）
Abstract
基于机器学习的电网受扰后动态频率预测方法往往忽视系统拓扑变化,造成当电网拓扑改变后原训练模型可能不再适用.为此,提出一种基于随机森林(random forest,RF)的电网频率预测方法.考虑到随机森林算法的训练时间与特征数量成正比,提出基于斯皮尔曼相关性和层次聚类凝聚的特征去冗余方法,降低输入特征数量.在此基础上,提取反映电网动态频率的关键特征,进一步降低训练时间.对输入特征去冗余前后以及提取关键特征后的不同情况进行对比分析,结果显示所提算法在保证高预测准确率的前提下,能大幅缩短训练时间.新英格兰39节点上的仿真测试验证了所提算法的快速性、容错性和准确性.
MoreAI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined