集成学习在电网假数据入侵检测中的应用

人工智能和机器学习的发展为入侵电网数据采集与监视控制(supervisory control and data ac-quisition,SCADA)系统的虚假数据检测,提供了新的高效解决方案.目前,针对运用机器学习中的单分类器对电网中虚假数据的检测,出现的准确率低、误检率高、模型区分能力差等问题,提出了一种基于集成学...     

基于近邻成分分析的短期风电功率集成预测

针对短期风电功率预测关键气象因素影响程度的差异和单一模型预测精度不足的问题，提出一种基于近邻成分分析（neighborhood components analysis，NCA）特征加权和Stacking集成预测的短期风电功率预测模型。考虑气象特征对风电功率影响程度不同，利用NCA对气象特征进行加权，将加权特征作为模型输入，强化关键特征的影响程度；在此基础上，构建多个基预测器预测风电功率，并利用结合器将预测结果融合，建立Stacking集成预测模型。算例分析表明，以加权特征作为输入的Stacking集成预测模型具有更高的短期风电功率预测精度。