摘 要: | 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。
|