• 设为首页
  • 加入收藏
  • 联系邮箱
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 历任主编
    • 期刊荣誉
  • 编委会
    • 社长及主编
    • 主任委员
    • 编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
  • English
站内检索    
 
董美娜,刘丽平,王泽忠,王守强,张子岩,邹运.基于Stacking集成学习的有源台区线损率评估方法[J].电测与仪表,2023,60(6):134-139.
Dong meina,Liu Liping,Wang Zezhong,Wang Shouqiang,Zhang Ziyan,Zou Yun.A line loss rate evaluation method based on stacking ensemble learning for transformer district with DG[J].Electrical Measurement & Instrumentation,2023,60(6):134-139.
基于Stacking集成学习的有源台区线损率评估方法
A line loss rate evaluation method based on stacking ensemble learning for transformer district with DG
DOI:10.19753/j.issn1001-1390.2023.06.019
中文关键词:  有源台区  线损率  互信息  集成学习  多算法融合
英文关键词:transformer district with DG, line loss rate, mutual information, ensemble learning, multi-algorithm combination
基金项目:国家电网有限公司科技项目
                 
作者中文名作者英文名单位
董美娜Dong meina华北电力大学
刘丽平Liu Liping中国电力科学研究院
王泽忠Wang Zezhong华北电力大学
王守强Wang Shouqiang华北电力大学
张子岩Zhang Ziyan中国电力科学研究院
邹运Zou Yun中国电力科学研究院
摘要点击次数: 968
中文摘要:
      人工智能及机器学习的发展,为有源台区线损率的评估提供了崭新的思路。提出一种基于Stacking集成学习的有源台区线损率评估方法。从特定系统中提取有源台区数据,采用互信息等方法处理数据中异常值,并建立电气特征指标体系。考虑传统的机器学习与不同思想的集成学习算法之间的差异,综合线性模型与非线性模型,选择线性回归算法、随机森林算法、GBDT算法作为基学习器,构建多算法融合的Stacking集成学习模型。以某省有源台区数据为例,验证了所提方法的准确性和有效性。
英文摘要:
      The development of artificial intelligence and machine learning provided a new idea for the evaluation of line loss rate of transformer district with DG. A line loss rate evaluation method based on Stacking ensemble learning for transformer district with DG was proposed in this paper. Data of transformer districts with DG was extracted from specific systems and the outliers in the data were processed by means of mutual information to establish the electrical characteristic indicator system, considering the difference between traditional machine learning and different ideas of ensemble learning algorithms, integrated linear model and nonlinear model, linear regression, random forest and GBDT were involved in base-learner layer, and the model based on multi-algorithm combination of Stacking ensemble learning was built, accuracy and effectiveness of the proposed method was confirmed based on the data of transformer districts with DG.
查看全文  查看/发表评论  下载PDF阅读器
关闭
  • 哈尔滨电工仪表研究所有限公司
  • 中国电工仪器仪表信息网
  • 中国仪器仪表学会
  • 中华人民共和国新闻出版总署
  • 中国科技期刊编辑学会
  • 黑龙江省科学技术协会
  • 编辑之家
  • 中国知网
  • 万方数据库
  • 维普网
  • 北极星电力网
  • 中华中控网
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 历任主编
    • 期刊荣誉
  • 编委会
    • 社长及主编
    • 主任委员
    • 编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
地址:哈尔滨市松北区创新路2000号    邮编:150028
邮箱:dcyb@vip.163.com    电话:0451-86611021;87186023
© 2012 电测与仪表    哈公网监备2301003445号
黑ICP备11006624号-1
技术支持:北京勤云科技发展有限公司