针对特征选择问题的改进蚁群算法及其在电力系统安全 - 电工技术学报.pdfVIP

20 10 年 12 月 电 工 技 术 学 报 Vol.25 No. 12 第 25 卷第 12 期 TRAN SACTION S OF CHINA ELECTROTECHNICAL SOCIETY Dec. 20 10 针对特征选择问题的改进蚁群算法及其在电力 系统安全评估中的应用 1 1 2 章小强 管霖 王同文 （1. 华南理工大学电力学院 广州 5 10640 2. 安徽省电力调度通信中心 合肥 230022） 摘 提出 于改进蚁群优化算法和k 近邻算法相结合的特征选择算法。利用k 近邻分类 器的分类精度和特征子集维数加权构造了综合适应度指标，利用改进蚁群算法的全局寻优和多 次优解搜索能力实现特征子集搜索。针对传统蚁群算法在特征选择中可能含有冗余特征的问题， 设计了局部细化搜索方式，使得特征选择结果不含冗余特征的同时提高了算法的收 性。通过 测试数据验证了算法的有效性和快速性后，将所提算法应用于 10 机 39 节点电力系统的安全评 估问题，获得了良好的特征选择和稳定预测性能。 关键词 ：特征选择 蚁群优化算法 k-近邻分类器 电力系统安全评估 中图分类号：TM7 12 Kernel Feature Identification Based on Improved Ant Colony Optimization Algorithm for Transient Stability Assessment Zhang X iaoqiang 1 Guan L in 1 Wang Tongwen2 （1. South China University of Technology Guangzhou 5 10640 China 2. Anhui Power Dispatching Communications Center Hefei 230022 China ） Abstract A novel embedded feature selection method based on improved ant colony optimization algorithm combined with the k-nearest neighbor (k-NN) classifier is proposed to tackle the feature selection problem . A weighted sum of the k-NN classification accuracy and the selected feature dimension form the fitness function . The improved ant colony optimization algorithm provides good global searching capability and multiple sub-optimal solutions. A local refinement searching scheme is designed to exclude the redundant features and improves the convergence rate. The feasibility and effectiveness of the proposed algorithm is first verified by a set of artificial test data and then applied to the power system security analysis proble