文档名：基于半监督学习的输电线路状态预测
摘要：输电线路状态评估及预测对于合理制定运维策略、提高运维水平具有重大意义.针对现有模型无法兼顾鲁棒性和数据需求量的问题,本文提出一种基于半监督学习的状态预测方法.首先,对拓展后的特征向量,利用正则矩阵填补缺失数据,并通过表征学习解决稀疏编码问题.然后,借助少量标注样本初步确定线路区段在不同缺陷状态下的类别中心.最后,使用未标注样本对模型估计参数进行修正.算例分析表明,该方法与现有模型相比,识别准确率大幅提升且数据使用效率更高.
作者：王艳芹 徐宁 董祯 王勇 张洪珊 Author：WANGYanqin XUNing DONGZhen WANGYong ZHANGHongshan
作者单位：国网河北省电力有限公司经济技术研究院,石家庄050000国网河北省电力有限公司,石家庄050000
刊名：电力系统及其自动化学报 ISTICPKU
Journal：ProceedingsoftheCSU-EPSA
年，卷(期)：2023, 35(7)
分类号：TM75
关键词：输电线路 缺陷状态预测 缺失数据填补 表征学习 半监督学习
Keywords：transmissionline defectstateprediction missingdatafilling embeddinglearning semi-supervisedlearning
机标分类号：TP391.41TP181TM835
在线出版日期：2023年8月7日
基金项目：国网河北省科技项目基于半监督学习的输电线路状态预测[
期刊论文] 电力系统及其自动化学报--2023, 35(7)王艳芹 徐宁 董祯 王勇 张洪珊输电线路状态评估及预测对于合理制定运维策略、提高运维水平具有重大意义.针对现有模型无法兼顾鲁棒性和数据需求量的问题,本文提出一种基于半监督学习的状态预测方法.首先,对拓展后的特征向量,利用正则矩阵填补缺失数据...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于半监督学习的输电线路状态预测 State Prediction of Transmission Lines Based on Semi-supervised Learning
基于半监督学习的输电线路状态预测.pdf
- 文件大小:
- 1.04 MB
- 下载次数:
- 60
-
高速下载
|
