研究人员开发了一种机器学习方法，通过对应急场景进行分类来增强电力系统安全性。该研究利用了随机森林、支持向量机和 K-近邻等算法，并采用了 SMOTE 和 PCA 等数据预处理技术。随机森林模型表现出最高的性能，在 IEEE-30 母线系统上达到了 0.97 的 F1 分数。这种机器学习方法为电网的实时安全评估提供了比传统方法更具可扩展性和有效性的替代方案。 AI
影响 这项研究为电网的实时安全评估提供了一种比传统方法更具可扩展性和强大功能的替代方案，有望提高电网稳定性。
排序理由 学术论文，详细介绍了针对特定领域的创新机器学习方法。[lever_c_demoted from research: ic=1 ai=0.7]
- IEEE-14 bus system
- IEEE-30 bus system
- K-Nearest Neighbors
- Newton-Raphson load flow method
- Overall Performance Index
- PCA
- Random Forest
- SMOTE
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
