基于极限学习机与改进蚁群挖掘算法的暂态稳定评估规则提取
信号处理
2018-10-02 v1
摘要
为克服基于模式识别的暂态稳定评估（PRTSA）方法可理解性差的问题，本文提出一种基于极限学习机（ELM）与改进蚁群挖掘（IAM）算法的规则提取新方法。首先分别介绍 ELM 与蚁群挖掘算法的基本原理。然后，基于所选最优特征子集，由训练好的基于 ELM 的 PRTSA 模型生成示例样本集。最后，利用 IAM 算法得到一组分类规则以替代原 ELM 网络。本提案的新颖之处在于：利用 IAM 算法从训练好的基于 ELM 的暂态稳定评估模型所生成的示例样本集中提取暂态稳定规则。在新英格兰 39 节点电力系统及实际电力系统——河北省南部电力系统上的应用结果验证了所提方法的有效性。
引用
@article{arxiv.1810.00658,
title = {Rule extraction based on extreme learning machine and an improved ant-miner algorithm for transient stability assessment},
author = {Yang Li and Guoqing Li and Zhenhao Wang},
journal= {arXiv preprint arXiv:1810.00658},
year = {2018}
}
备注
Accepted by PloS one