典型文献
基于K-Means聚类和梯度提升树算法的配电网线损计算方法
文献摘要：
针对传统配电网理论线损计算需要电气参量多、工作量大、计算结果准确率低等问题,提出一种基于改进K-Means聚类算法和GBDT(Gradient Boost Decision Tree,梯度提升树)算法的配电网线损计算的方法.先采用改进K-Means算法对配电网线损样本进行聚类分析,然后将聚类后的数据集作为GBDT算法的输入数据集训练模型,最后进行线损的计算.采用本算法与BP神经网络模型进行算例对比与分析,并利用扬州许方线路配电网实际线损值做实例验证.结果表明,所提算法具有计算快速、精度更高等优点.
文献关键词：
电力系统;配电网;梯度提升树;电网损耗;改进K-Means聚类算法
中图分类号：
作者姓名：
焦昊;王海林;陈锦铭;刘伟
作者机构：
国网江苏省电力有限公司电力科学研究院,南京211103;国网江苏省电力有限公司,南京210024
文献出处：
引用格式：
[1]焦昊;王海林;陈锦铭;刘伟-.基于K-Means聚类和梯度提升树算法的配电网线损计算方法)[J].自动化与仪器仪表,2022(10):74-79
A类：
B类：
Means,梯度提升树算法,配电网线损,线损计算,统配,理论线损,参量,聚类算法,GBDT,Gradient,Boost,Decision,Tree,输入数据,集训,训练模型,对比与分析,扬州,电力系统,电网损耗
AB值：
0.274331
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
