巴氏距离和K-L交换结合的特征选择

巴氏距离(Bhattacharyya Distance)特征选择给出了样本最小错误率上界进的特征．但计算量大。为了减少迭代算法计算时间．文本提出巴氏距离和K-L变换结合的特征选择。首先．对整体样本进行K-L变换．去除变化不大的特征．以降低空间雏数。然后．用迭代方法．进行巴氏距离特征选择。本文中用MNIST手写体数字库的计算表明，该方法能够取得好的效果．比单纯使用K-L变换进行特征选择的最小错误率上界要小得多．同时计算时间大大减少。     

一种基于最小分类错误率的改进型LDA特征选择算法

LDA是目前常用的较好的特征选择方法。然而散布矩阵不同时,LDA分类效果往往不理想。本文提出一种基于分类错误率最小的改进型LDA特征选择算法,采用迭代计算使Bayes分类错误率上界最小,能取得比原LDA更好的分类效果。对高维数据提出基于PCA预处理的“快速改进型LDA特征选择”减少求解迭代计算时间。针对Marill.T.提供的典型数据和MINIST手写体数字库的实验证实以上论点是正确的。     

变电站自动化系统从IPv4到IPv6的网络迁移策略

随着32位的IPv4地址消耗殆尽,公共互联网正在向128位的IPv6地址过渡。尽管目前电力系统通信对IPv6网络的依赖性不强,但仍需提前制定网络迁移策略。文章描述了电力系统通信从IPv4到IPv6迁移的必要性,分析了IPv6迁移对电力系统通信的影响;介绍了目前IPv6迁移的3种过渡策略：双栈设备、隧道技术和转换技术;同时介绍了部分基于IP的应用协议,分析了IEC61850、60870、61400等通信协议与IP地址的相关性;最后针对变电站自动化不同场景,给出了各场景下从IPv4到IPv6的网络迁移策略,并分析了IPv4到IPv6的迁移对变电站典型自动化应用场景的影响。文章所提网络迁移策略将加快和推广IPv6网络在变电站、控制中心、运维中心等电力系统内的部署和实施,为构建高速率、广普及、全覆盖、智能化的下一代电力通信网络提供技术支撑。     

基于BiLSTM-Attention的电网告警信息缺陷风险预警

为实现对SCADA(数据采集与监视)系统海量告警信息的缺陷辨识和风险分析,提出了一种基于自然语义分析的电网告警信息文本缺陷风险预警方法。将基于BiLSTM-Attention神经网络的语义分析技术与模糊化缺陷风险评估方法相结合,首先对告警信息文本进行数据预处理;利用Word2vec模型进行词嵌入向量表征后作为BiLSTM层输入;然后通过注意力机制增强对告警信息中与缺陷程度相关的特征并完成缺陷等级分类;最后利用缺陷评估方案进行N-1风险定级和预警。经测试和应用分析表明:基于该方法的判断模型能够精准完成告警信息的缺陷分类定级,实现告警信息的缺陷风险预警,可为调控人员缺陷处置提供辅助决策。     

巴氏距离和K-L变换结合的特征选择

该文提出巴氏距离(BhattacharyyaDistance)和K-L(Karhunen-Loeve)变换结合的特征选择。采用巴氏距离特征选择眼3,5演的迭代算法,可以获得最小错误率上界。当特征维数高时,为了减少巴氏距离特征选择计算时间,对样本先进行K-L变换,将特征降低到中间维数。然后进行巴氏距离特征选择,降低到结果的维数。用基于MNIST手写体数字库的试验表明,该文方法比单纯用巴氏距离特征选择计算时间大大减少,并比主分量方法(即单纯使用K-L变换)特征选择的错误率小得多。