Lựa chọn biến trong chẩn đoán ổn định động hệ thống điện dùng mạng neural
Email tác giả liên hệ:
aunn@hcmute.edu.vnTừ khóa:
chẩn đoán ổn định động, hệ thống điện, mạng neural nhân tạo, lựa chọn biếnTóm tắt
Bài toán chẩn đoán ổn định động hệ thống điện gặp phải vấn đề số biến lớn của tập dữ liệu, nhưng không phải tất cả các biến đều hữu ích. Các biến thừa sẽ gây nhiễu làm giảm tính năng của bộ phân lớp hay chẩn đoán. Lựa chọn biến nhằm mục đích chọn số ít biến đặc trưng cho bộ phân lớp giúp cải thiện độ chính xác nhận dạng. Bài báo đề nghị áp dụng giải thuật Relief để lựa chọn biến và so sánh với phương pháp chọn biến sử dụng hai hàm khoảng cách Fisher và Divergence. Hai bộ nhận dạng được đề xuất để đánh giá độ chính xác nhận dạng là mạng neural GRNN (Generalized Regression Neural Network) và MLPNN (Multilayer Percep - tron Neural Network). Kết quả kiểm tra trên sơ đồ IEEE 39 - bus cho thấy giải thuật chọn biến Relief với bộ nhận dạng GRNN cho kết quả có số biến nhỏ hơn và độ chính xác kiểm tra cao hơn các phương pháp còn lại. Giải thuật Relief cho số biến giảm đáng kể trong khi độ chính xác nhận dạng được nâng cao hơn so với toàn tập biến.
Tải xuống: 0
Tài liệu tham khảo
M. R. Aghamohammadi, F. Mahdavizadeh, R. Bagheri, Power System Dynamic Security Classification Using Kohenen Neural Networks, 2009 IEEE, pp.1-7.
Rui Zhang, Yan Xu, Zhao Yang Dong and David J Hill, Feature Selection For Intelligent Stability Assessment of Power Systems, 2012 IEEE, pp.1-7.
C. A. Jensen and M. A. El-Sharkawi, Power system security assessment using neural net-works: feature selection using Fisher discrimination, IEEE Trans. Power Systems, vol. 16, Nov. 2001, pp.757-763.
K. Niazi, C. Arora, and S. Surana, Power system security evaluation using ann: feature selection using divergence, Electric Power Systems Research, vol. 69, Feb. 2004, pp.161- 167.
Taylor, Computational methods of feature selection, Edited by Huan Liu, Horoshi Mo- toda, 2008, pp.169-176.
I. S. Isa, Z. Saad, S. Omar, M. K. Osman, K. A. Ahmad, Suitable MLP Network Activa - tion Functions for Breast Cancer and Thyroid Disease Detection, 2010 IEEE, pp.39-44.
Matlab R2011b, Neural Network Toolboox User’s Guide.
Behnam Ababaei, Teymour Sohrabi and Farhad Mirzaei, Assessment of radial basis and generalized regression neural networks in daily reservoir inflow simulation, Elixir Comp. Sci. & Engg. 42, 2012, pp.6074-6077.
Simon S. Haykin, Neural Networks A Comprehensive Foundation, 2nd Edition, 1999, pp.84-86.
Quyen Huy Anh, The application of pattern recognition methods for fast analysis of the dynamic stability of electrical power system, Electrical technology, No. 2, pp.1-13, 1994, Perganon.
Hussain Hassan Al Marhoon, A Practical Method for Power Systems Transient Stability and Security, B.S. University of New Orleans, 2008, pp.56-60.
Prabha Kundur, Power System Stability and Control, New York: McGraw Hill, 1994, pp.17-39.
Tải xuống
Đã Xuất bản
Cách trích dẫn
Giấy phép
Tác phẩm này được cấp phép theo Giấy phép quốc tế Creative Commons Attribution-NonCommercial 4.0 .
Bản quyền thuộc về JTE.
