排序方式: 共有1条查询结果,搜索用时 195 毫秒
1
1.
电网覆冰由于湿度、温度、海拔等因素可形成不同的覆冰类型,电网系统故障水平会根据覆冰类型的差异而变化。传统的电网覆冰故障预测多聚焦于覆冰厚度与电网故障的内在联系,忽略了覆冰类型对电网故障的影响作用。为解决这一问题,提出了一种改进的逻辑回归多分类算法,通过将拟合出的回归函数值输入Softmax函数转换为多概率形式实现对覆冰类型的分类,根据数据有无覆冰类型的划分,分别在不同的机器学习算法下对电网覆冰故障进行预测比较。经试验,采用改进逻辑回归算法预测覆冰类型的准确率达88%,电网故障预测的准确率较无覆冰类型下的预测在改进逻辑回归算法、朴素贝叶斯算法(Na6ve Bayes, NB)、K近邻、支持向量机算法(Support Vector Machine, SVM)中分别平均提高了5.3%、21.7%、7%、5.3%,研究表明,改进的逻辑回归算法可以准确预测电网的覆冰类型,提升电网故障预测的准确率。 相似文献
1