面向配电网故障数据的BIC评估后向选择方法

曾兴东^1,2, 林荣恒^1,2, 邹华¹, 张勇³

1. 北京邮电大学 网络与交换技术国家重点实验室, 北京 100876;
2. 中国电子科技集团公司第五十四研究所 通信网信息传输与分发技术重点实验室, 石家庄 050081;
3. 国家电网 上海电力公司, 上海 200122

收稿日期:2016-08-04出版日期:2017-06-28发布日期:2017-05-25

作者简介:曾兴东(1992-),男,硕士生,E-mail:zengxdbupt@163.com;邹华(1969-),女,教授,硕士生导师.
基金资助:国家高技术研究发展计划（863计划）项目（2015AA050203）；北京市自然科学基金项目（4174099）

An BIC Selection Method for Distribution Network Fault Data Feature Dimension Reduction

ZENG Xing-dong^1,2, LIN Rong-heng^1,2, ZOU Hua¹, ZHANG Yong³

1. State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876, China;
2. Science and Technology on Information Transmission and Dissemination in Communication Networks Laboratory, The 54 th Research Institute of China Electronics Technology Group Corporation, Shijiazhuang 050081, China;
3. State Grid Shanghai Municipal Electric Power Company, Shanghai 200122, China

Received:2016-08-04Online:2017-06-28Published:2017-05-25

摘要/Abstract

摘要： 10 kV配电网所处环境复杂，引发故障的原因很多，在使用数据挖掘方法对配电网故障进行分析时，太多的特征会对挖掘模型造成负面影响.为了防止挖掘模型考虑过多无用信息，需首先对数据进行特征选择来实现降维，因此提出了基于贝叶斯信息准则（BIC）的模型评估后向选择算法，对故障因素进行降维.BIC评估准则能够尽可能地简化模型，降低维度，而后向选择算法可以快速得到最优的简化模型，两者的结合提升了降维的速度，并能够得到更加简化的模型.实验结果表明，采用基于BIC评估的后向选择算法有助于后续模型准确性的提升，可提高训练效率.
中图分类号:
TP3

引用本文

曾兴东, 林荣恒, 邹华, 张勇. 面向配电网故障数据的BIC评估后向选择方法[J]. 北京邮电大学学报, 2017, 40(3): 104-109.
ZENG Xing-dong, LIN Rong-heng, ZOU Hua, ZHANG Yong. An BIC Selection Method for Distribution Network Fault Data Feature Dimension Reduction[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2017, 40(3): 104-109.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3026