基于信息熵的属性离散化算法在暂态稳定评估中的应用
针对人工神经网络(ANN)用于电力系统暂态稳定评估(TSA)时面临的样本训练耗时较长的问题,提出一种属性离散化方法:在矢量空间聚类的基础上,将每个聚类在各属性轴上的投影的边界设为候选离散断点,采用基于信息熵的正交化增益函数选择最终断点进行离散.在新英格兰10机39节点系统中的应用表明,该方法可以较为合理地选择离散断点,取得满意的离散效果.另外,将用此方法离散后的训练数据用于半监督BP网络训练,并针对半监督BP算法中误差函数的特点对离散数据做了进一步的处理,从而使得在保证暂态稳定分类精度的前提下,大大减轻训练负担,提高训练速度.
神经网络 暂态稳定评估 离散化 信息熵 BP网络 电力系统
李军 刘艳 顾雪平
华北电力大学电气工程学院(河北保定)
国内会议
郑州
中文
1399-1401
2004-10-01（万方平台首次上网日期，不代表论文的发表时间）