基于机器学习的电网监控通信网络运行态势感知方法

针对没有删除电网监控通信网络运行数据的冗余特征，导致感知结果不理想，平均计算时间和迭代次数增加的问题，提出一种基于机器学习的电网监控通信网络运行态势感知方法。通过方差过滤器删除数据集中的冗余及无相关特征，采用决策树递归特征消除算法，过滤电网监控通信网络运行数据，进行特征提取和分类预测，结合具有人工经验的K-means聚类方法，对常态因子添加状态标签，通过误差预测值对态势因子进行误差修正，构建电网监控通信网络运行态势评估模型，实现电网监控通信网络运行态势感知。实例测试结果表明，所提方法能够有效减少平均计算时间和迭代次数，获取更加准确的感知结果。