基于多模型融合集成学习的智能变电站二次设备状态评估

为准确评估智能变电站二次设备运行状态,建立了二次设备状态评估指标体系,并结合多种机器学习算法的差异性,提出了基于多模型融合集成学习的二次设备状态评估法.该方法采用双层结构,上层中利用划分好的数据对数个基学习器进行k折验证,下层中利用全连接级联神经网络融合多个基学习器,并采用改进的列文伯格-马夸尔特算法训练该神经网络加速模型收敛.实例分析表明,所提出的方法可以准确地评估二次设备的运行状态,并为智能变电站系统和二次设备的检修工作提供指导意见....

Full description

Saved in:
Bibliographic Details
Published in电力系统保护与控制 Vol. 49; no. 12; pp. 148 - 157
Main Authors 叶远波, 黄太贵, 谢民, 赵子根, 刘宏君
Format Journal Article
LanguageChinese
Published 国网安徽省电力有限公司, 安徽 合肥 230022%长园深瑞继保自动化有限公司,广东 深圳 518057 16.06.2021
Subjects
集成学习
状态评估
二次设备
多模型融合
Online AccessGet full text
ISSN1674-3415
DOI10.19783/j.cnki.pspc.200989

Cover

More Information
Summary:为准确评估智能变电站二次设备运行状态,建立了二次设备状态评估指标体系,并结合多种机器学习算法的差异性,提出了基于多模型融合集成学习的二次设备状态评估法.该方法采用双层结构,上层中利用划分好的数据对数个基学习器进行k折验证,下层中利用全连接级联神经网络融合多个基学习器,并采用改进的列文伯格-马夸尔特算法训练该神经网络加速模型收敛.实例分析表明,所提出的方法可以准确地评估二次设备的运行状态,并为智能变电站系统和二次设备的检修工作提供指导意见.
ISSN:1674-3415
DOI:10.19783/j.cnki.pspc.200989