本文主要研究内容
作者史雪艳,张周胜,董娜,吴樟生（2019）在《基于自适应PSO-LSSVM多维开关柜数据的状态评估方法》一文中研究指出：为有效分析开关柜的各种监测数据,减轻状态评估工作量,提出一种基于自适应粒子群优化和最小二乘向量机分析(PSO-LSSVM)的多维开关柜数据状态评估方法。首先对开关柜的多维历史监测数据进行分类,提取有效数据构建数据集,并利用K最近邻法(KNN)填补缺失数据,针对已有的开关柜历史评估结果,采用最小二乘支持向量机算法进行数据分析和训练,引入自适应粒子群算法,实现算法参数的优化,最终获得多维数据的开关柜评估模型。经实际数据检验,此评估方法能有效分析历史监测所累积的大规模数据,评估准确率较高,可有效筛选出需检修的开关柜,减轻了开关柜评估工作量,具有一定的实际应用意义。
Abstract
wei you xiao fen xi kai guan gui de ge chong jian ce shu ju ,jian qing zhuang tai ping gu gong zuo liang ,di chu yi chong ji yu zi kuo ying li zi qun you hua he zui xiao er cheng xiang liang ji fen xi (PSO-LSSVM)de duo wei kai guan gui shu ju zhuang tai ping gu fang fa 。shou xian dui kai guan gui de duo wei li shi jian ce shu ju jin hang fen lei ,di qu you xiao shu ju gou jian shu ju ji ,bing li yong Kzui jin lin fa (KNN)tian bu que shi shu ju ,zhen dui yi you de kai guan gui li shi ping gu jie guo ,cai yong zui xiao er cheng zhi chi xiang liang ji suan fa jin hang shu ju fen xi he xun lian ,yin ru zi kuo ying li zi qun suan fa ,shi xian suan fa can shu de you hua ,zui zhong huo de duo wei shu ju de kai guan gui ping gu mo xing 。jing shi ji shu ju jian yan ,ci ping gu fang fa neng you xiao fen xi li shi jian ce suo lei ji de da gui mo shu ju ,ping gu zhun que lv jiao gao ,ke you xiao shai shua chu xu jian xiu de kai guan gui ,jian qing le kai guan gui ping gu gong zuo liang ,ju you yi ding de shi ji ying yong yi yi 。
论文参考文献
论文详细介绍
论文作者分别是来自水电能源科学的史雪艳,张周胜,董娜,吴樟生，发表于刊物水电能源科学2019年01期论文，是一篇关于开关柜论文,多维数据分析论文,最小二乘支持向量机论文,粒子群优化论文,状态评估论文,水电能源科学2019年01期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自水电能源科学2019年01期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：开关柜论文; 多维数据分析论文; 最小二乘支持向量机论文; 粒子群优化论文; 状态评估论文; 水电能源科学2019年01期论文;