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

Abstract 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.
AbstractList 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.
Author 黄太贵
赵子根
叶远波
刘宏君
谢民
AuthorAffiliation 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
AuthorAffiliation_xml – name: 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
Author_FL YE Yuanbo
XIE Min
HUANG Taigui
LIU Hongjun
ZHAO Zigen
Author_FL_xml – sequence: 1
  fullname: YE Yuanbo
– sequence: 2
  fullname: HUANG Taigui
– sequence: 3
  fullname: XIE Min
– sequence: 4
  fullname: ZHAO Zigen
– sequence: 5
  fullname: LIU Hongjun
Author_xml – sequence: 1
  fullname: 叶远波
– sequence: 2
  fullname: 黄太贵
– sequence: 3
  fullname: 谢民
– sequence: 4
  fullname: 赵子根
– sequence: 5
  fullname: 刘宏君
BookMark eNotzT1Lw0AAgOEbKlhrf4Gra-JdLpfLjVL8woJL93J3yUmjpNUgropFi_Wjg4OtUC0UEfxcFAzqr8kl8V8o6PRuzzsFCmEz9AGYQdBEjLp4LjBluNEwW1FLmhaEzGUFUEQOtQ1sIzIJylHUEBBiRIjjsiJY1ddxEp_p8SC9G-lhNx-e6l7n--ow7fT0423yfpMN2mk_zg8-9flldvGa3feT-CR9GOVPX3p8lB2_pXv7-XM7-XiZBhOKb0Z--b8lUFtcqFWWjera0kplvmpEjDHDEbbreEoSKIgSjo2YEjbzKMYSc4qpkj7hPuYQUc58xIUlLWpTVzEhOWECl8DsH7vLQ8XD9XrQ3NkOf4f1wNuyoIWQBRHDPxBjbH0
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.19783/j.cnki.pspc.200989
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
DocumentTitle_FL A state assessment method for intelligent substation secondary equipment based on multi-model ensemble learning
EndPage 157
ExternalDocumentID jdq202112019
GrantInformation_xml – fundername: 国家电网公司科技项目
  funderid: (521200190081)
GroupedDBID -03
2B.
4A8
92I
93N
ALMA_UNASSIGNED_HOLDINGS
CCEZO
CEKLB
GROUPED_DOAJ
PSX
TCJ
ID FETCH-LOGICAL-s999-6b486dfc50b5fb6419fb49d733c3a737fce5ae3a017a9e1ab2c27478f9bca59b3
ISSN 1674-3415
IngestDate Thu May 29 04:03:03 EDT 2025
IsPeerReviewed true
IsScholarly true
Issue 12
Keywords 集成学习
状态评估
二次设备
多模型融合
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s999-6b486dfc50b5fb6419fb49d733c3a737fce5ae3a017a9e1ab2c27478f9bca59b3
PageCount 10
ParticipantIDs wanfang_journals_jdq202112019
PublicationCentury 2000
PublicationDate 2021-06-16
PublicationDateYYYYMMDD 2021-06-16
PublicationDate_xml – month: 06
  year: 2021
  text: 2021-06-16
  day: 16
PublicationDecade 2020
PublicationTitle 电力系统保护与控制
PublicationTitle_FL Power System Protection and Control
PublicationYear 2021
Publisher 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
Publisher_xml – name: 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
SSID ssib003155689
ssib023166999
ssib002424069
ssj0002912115
ssib051374514
ssib036435463
Score 2.4812772
Snippet ...
SourceID wanfang
SourceType Aggregation Database
StartPage 148
Title 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
URI https://d.wanfangdata.com.cn/periodical/jdq202112019
Volume 49
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV1La9RQFA61btyIouKr0oV3VaZOkntv7lkm0wxFwVWF7kqSmfiCsdq66UIUixafXbiwFaqFIoLPjYKD-mvm5b_wnJN0JnYEq5vLzcm553w5X3IfIffEsk5jt4urY22XtIlkSXoKnzlHOyUc-r1IOTJKsw9kz-vpC_LsrJodGb1V3F2yGE8mS3_cV_I_rKIMeaVdsv_AbN8oCrCO_GKJDGO5K45FqARUReCLUFJpQpL4UgBKtPCN8G3WCYUJRGi4MsWSsjBGhCAgEEaTMh6ikJpPCV-zQRA-SjyyZiTpALAvI4wrArZjqgIM66C-ooofkFqOp8IwKgwDwYQi2EZoPFI2vggy74gn06myL2xeEUG5OHUueFHUEJGjJEAkWSWgUFBDhDTFNn1yRBLDkdFU-h43N-h3-17Lr4OAGG7NqNGw7wxUgBwQMkbvcxQCQjNQQUEZ23DjsgD7tzMqB47RpTBrCm0AxXcuDn8blm0J5aeEeQo40B6VwFxiEA1QBUOZnUK8FLvh6Gg-BUwz5OwaRXzkV2zoARs2OlG4QzB0jvDVBK4hcR4mHMXWFMUpg-dzrANEmGGw6SbL-KBY9_kwRDnFjeHhrUmVigC9S5yMDtgvMwqEvO9YkYnAnVC2KWepyPORVnuyhFMoVRyKs-y1212OUxhY7Swfaz5HszNLQ8M_vcfk8T9pXL08Ob8wz0lKIftJ1Y686ldq14laG2fAsMfa62CPVXwlk09faWN4YfyjfH39Y1waaQ2D5byLs_vi3yWU7XpS5V8p0MzQAUqoSF9V968-T4RGwM8Mw-adhI00alwsTHpnDlj789XquJ91PQetkaVLh6xz7ZfNVvNJe2u982azvfGwt_G4vbry88W9zspq-_3r1tdX3fXlzlqzd_d7--nz7rPP3bdrreajzrvN3ocf7a373QdfOrfv9D4ut759OmzNVMOZynQp_ydLaYHylehYGl1LE1WOVRpraUMaS6h5rpu4ked6aVJXUd2NcJyPoG5HsZPQay-TQpxECmL3iDXauNaoH7XGpU5lXdeVTsCVqYxjAC-RNV2TNaAEF8essfza5_Iud2GuyNnxv5w_Ye0bPLonrdHFGzfrY7iAWIxPMcu_AJNczj4
linkProvider Directory of Open Access Journals
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E5%A4%9A%E6%A8%A1%E5%9E%8B%E8%9E%8D%E5%90%88%E9%9B%86%E6%88%90%E5%AD%A6%E4%B9%A0%E7%9A%84%E6%99%BA%E8%83%BD%E5%8F%98%E7%94%B5%E7%AB%99%E4%BA%8C%E6%AC%A1%E8%AE%BE%E5%A4%87%E7%8A%B6%E6%80%81%E8%AF%84%E4%BC%B0&rft.jtitle=%E7%94%B5%E5%8A%9B%E7%B3%BB%E7%BB%9F%E4%BF%9D%E6%8A%A4%E4%B8%8E%E6%8E%A7%E5%88%B6&rft.au=%E5%8F%B6%E8%BF%9C%E6%B3%A2&rft.au=%E9%BB%84%E5%A4%AA%E8%B4%B5&rft.au=%E8%B0%A2%E6%B0%91&rft.au=%E8%B5%B5%E5%AD%90%E6%A0%B9&rft.date=2021-06-16&rft.pub=%E5%9B%BD%E7%BD%91%E5%AE%89%E5%BE%BD%E7%9C%81%E7%94%B5%E5%8A%9B%E6%9C%89%E9%99%90%E5%85%AC%E5%8F%B8%2C+%E5%AE%89%E5%BE%BD+%E5%90%88%E8%82%A5+230022%25%E9%95%BF%E5%9B%AD%E6%B7%B1%E7%91%9E%E7%BB%A7%E4%BF%9D%E8%87%AA%E5%8A%A8%E5%8C%96%E6%9C%89%E9%99%90%E5%85%AC%E5%8F%B8%2C%E5%B9%BF%E4%B8%9C+%E6%B7%B1%E5%9C%B3+518057&rft.issn=1674-3415&rft.volume=49&rft.issue=12&rft.spage=148&rft.epage=157&rft_id=info:doi/10.19783%2Fj.cnki.pspc.200989&rft.externalDocID=jdq202112019
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fjdq%2Fjdq.jpg