基于双层贝叶斯分类的空间负荷预测

被引：38

作者：

陶文斌 ^{[1
]}

张粒子 ^{[1
]}

潘弘 ^{[2
]}

李振元 ^{[3
]}

郑华 ^{[1
]}

机构：

[1] 华北电力大学电力工程系

[2] 浙江省电力试验研究所

[3] 吉林电力调度通信中心

来源：

中国电机工程学报 | 2007年 / 07期

关键词：

电力系统; 空间负荷预测; 区间相似度; 双层贝叶斯分类; 类内相似度;

D O I：

10.13334/j.0258-8013.pcsee.2007.07.003

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

采用分类模型进行空间负荷预测。由于决定负荷密度的各属性之间并非完全独立,传统分类器分类效果并不理想。为此,该文采用双层贝叶斯分类模型,该模型是朴素贝叶斯分类模型的扩展,通过选取关键属性将单一属性集划分为强属性集和弱属性集,弱化了各属性间相互独立的假设,提高了对样本分类的正确性。给出了构建和训练该模型的方法,在正确分类的基础上,文中采用类内相似度方法进行负荷密度的修正。实践和算例证明,该文模型和算法适合进行空间负荷预测。

引用

页码：13 / 17

页数：5

共 12 条

[1] 基于贝叶斯网络及信息时序属性的电力系统故障诊断方法 [J].