• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE transactions on industrial informatics >Noise Effect and Noise-Assisted Ensemble Regression in Power System Online Sensitivity Identification
【24h】

Noise Effect and Noise-Assisted Ensemble Regression in Power System Online Sensitivity Identification

机译：电力系统在线灵敏度识别中的噪声效应和噪声辅助集合回归

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Recently developed data acquisition equipment and data processing methods have ignited the possibility of power system online sensitivity identification (OSI). Despite the existing OSI algorithms, practical issues such as data collinearity and the noise effect on the identification algorithm must be considered to realize OSI in real-power systems. In this study, the negative and positive aspects of noise to OSI are first studied. Then, under the data collinearity condition and by making use of the positive aspects of noise, a noise-assisted ensemble regression method is proposed to simultaneously solve the data collinearity problem and manage the negative aspects of noise. Moreover, the proposed method is proven equivalent to one of the most effective measures, the norm-2 regularization method, to address the collinearity problem, and therefore provides satisfactory OSI results. The proposed method is tested in an 8-generator 36-node system with original operations data from a real-power system, and the results validate its effectiveness.
机译：最近开发的数据采集设备和数据处理方法已经点燃了电力系统在线灵敏度识别（OSI）的可能性。尽管有现有的OSI算法，但必须考虑实际问题，例如数据共线性和噪声对识别算法的影响，才能在有功系统中实现OSI。在这项研究中，首先研究了OSI噪声的消极和积极方面。然后，在数据共线性条件下，利用噪声的积极方面，提出了一种噪声辅助的集成回归方法，同时解决了数据共线性问题，管理了噪声的不利方面。此外，该方法被证明等效于最有效的方法之一，即norm-2正则化方法，可以解决共线性问题，因此可提供令人满意的OSI结果。该方法在8发电机36节点系统中进行了测试，并使用了有功功率系统的原始运行数据，结果验证了该方法的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号