【技术实现步骤摘要】
本专利技术属于电力系统、数据恢复，具体涉及一种基于集成学习的电力系统特征数据恢复方法。
技术介绍
1、在电力系统中，基于数据挖掘的机器学习逐渐成为各个电力系统领域的研究热点，其精度高，计算速度快，能够快速解决实际生产应用中出现的复杂问题。通常的电力系统问题的解决过程首先要通过大量的电力系统数据进行训练，从而构建相关的解决问题的模型。
2、进行训练的数据的可靠性将很大程度影响模型的有效性。随着pmu的广泛布置以及wams的迅速发展，实际的各种系统元件的运行数据经由pmu的采集以及通信线路的传输发送至控制中心。然而，pmu的测量可能受时间同步或相位的影响。此外，由于网络攻击或通信传输，传输到控制中心的数据可能受到不同噪声分布的干扰。通过离线训练获得的模型通常很难适应复杂的实际数据干扰，从而影响实际解决问题的效果。
技术实现思路
1、考虑在电力系统中会出现不同的噪声干扰，不同的噪声干扰会对特征数据造成不同的损坏的问题，本专利技术通过提出一种基于集成学习的电力系统特征数据恢复模型，针对...
【技术保护点】
1.一种基于集成学习的电力系统特征数据恢复方法，其特征在于：
2.根据权利要求1所述的一种基于集成学习的电力系统特征数据恢复方法，其特征在于：在步骤S1中，提取包括各条母线的电压、电压相角、频率偏差的信息，并将故障发生时刻、故障清除时刻和故障清除后10个时刻的特征量，以及样本的稳定性结果作为原始数据。
3.根据权利要求1所述的一种基于集成学习的电力系统特征数据恢复方法，其特征在于：在步骤S2中，在原始数据中加入n组不同的高斯白噪声构建噪声数据以模拟真实的噪声分布，不同的噪声干扰强度用不同的信噪比表。
4.根据权利要求1所述的一种基于...
【技术特征摘要】
1.一种基于集成学习的电力系统特征数据恢复方法，其特征在于：
2.根据权利要求1所述的一种基于集成学习的电力系统特征数据恢复方法，其特征在于：在步骤s1中，提取包括各条母线的电压、电压相角、频率偏差的信息，并将故障发生时刻、故障清除时刻和故障清除后10个时刻的特征量，以及样本的稳定性结果作为原始数据。
3.根据权利要求1所述的一种基于集成学习的电力系统特征数据恢复方法，其特征在于：在步骤s2中，在原始数据中加入n组不同的高斯...
【专利技术属性】
技术研发人员：杨明凯，李永斌，卢国强，李剑，陈春萌，高宝荣，张启雁，梁英，王怀远，
申请(专利权)人：国网青海省电力公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。