發(fā)布時間：2024-05-19 01:39

　　智能電能表是智能電網(wǎng)建設中重要的一環(huán),為了推進智能電網(wǎng)建設進程,國家電網(wǎng)公司在國內(nèi)開展關(guān)于智能電能表的相關(guān)研究。國家標準規(guī)定,電能表(1、2級)在使用8年后需回收并進行檢測,而檢測后的電能表需要進過“兩拆兩裝”才能繼續(xù)使用,此舉導致電能表每年的浪費量巨大。因此,研究如何對電能表運行狀態(tài)進行更科學有效的評估,以減少浪費節(jié)約成本具有重要意義。數(shù)據(jù)融合作為一種通過對多種來源的觀測信息進行綜合分析以輔助決策的技術(shù),被廣泛應用于各行各業(yè)。為了減少電能表資源的浪費,本文使用基于概率圖模型的數(shù)據(jù)融合技術(shù)對智能電能表運行狀態(tài)進行評估。主要工作如下:(1)在數(shù)據(jù)預處理過程中,本文首先使用基于信息熵的數(shù)據(jù)離散化算法對原始數(shù)據(jù)進行處理,然后使用模擬退火對數(shù)據(jù)特征進行選擇,以便模型能更好的利用數(shù)據(jù);(2)使用改進版人工蜂群算法對貝葉斯網(wǎng)絡結(jié)構(gòu)進行學習。本文在改進版人工蜂群算法中引入了模擬退火的思路,使用熱力學公式以一定概率接納次優(yōu)解,優(yōu)化更新蜜源的策略。(3)為提高模型泛化能力,本文使用集成算法對基于改進版人工蜂群算法的貝葉斯網(wǎng)絡模型進行集成,并在此基礎(chǔ)上利用k-means聚類算法對模型進行選擇性集成。為了更...

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

圖41人工蜂群算法流程圖

第4章基于改進版人工蜂群算法的貝葉斯網(wǎng)絡的狀態(tài)評價模型25出增長式蜂群算法，在不斷迭代的過程中，逐漸增發(fā)蜂群的種群規(guī)模，從而達到大規(guī)模持續(xù)優(yōu)化的效果。圖4_1人工蜂群算法流程圖ABC算法執(zhí)行步驟如圖4_1所示，該算法將目標解模擬為蜜源，通過仿照雇傭蜂、跟隨蜂、探索蜂三個蜂種來尋找....

圖51集成算法流程

第5章基于選擇性集成與凸函數(shù)證據(jù)理論的狀態(tài)評價模型35第5章基于選擇性集成與凸函數(shù)證據(jù)理論的狀態(tài)評價模型5.1基于選擇性集成的信息融合算法5.1.1集成算法簡介使用基于人工蜂群的貝葉斯網(wǎng)對智能電能表的狀態(tài)進行評估時，能取得較高的評估正確率。但是，單個貝葉斯網(wǎng)算法泛化能力較差。當訓....

圖52選擇性集成算法流程

第5章基于選擇性集成與凸函數(shù)證據(jù)理論的狀態(tài)評價模型37全集D，即在減少基分類器的同時，盡量減少預測準確率的下降。最優(yōu)的基分類器子集D’理論上可以通過對全集D窮舉獲得，但該算法需要窮舉出集合D的所有組合，時間復雜度過高。算法的大體流程如圖5_2所示，先通過Bagging或Boost....

圖53模型結(jié)構(gòu)圖

第5章基于選擇性集成與凸函數(shù)證據(jù)理論的狀態(tài)評價模型42假設有訓練集為DX和預測集Dy，將Dx切割成占比為0.6/0.4的子數(shù)據(jù)集Dx1和Dx2；設Bagging采樣的次數(shù)為N；選擇性集成中簇的個數(shù)為K；凸函數(shù)證據(jù)理論中，gd的上、下界閾值分別為Δ。步驟1：利用5.1.2.2節(jié)中的....

本文編號：3977451