面向电力工程数据智能校核的小样本模型训练技术.pdfVIP

微型电脑应用2025年3月

基金项目MicrocomputerApplications第41卷第3期

文章编号：1007-757X(2025)03-0082-04

面向电力工程数据智能校核的小样本模型训练技术

田海丰，华生萍，杨蒲寒婷，才海多杰，刘舒宁

（国网青海省电力公司经济技术研究院，青海，西宁810008)

摘要：针对电力工程数据校核准确度低的问题，提出一种结合两阶段模糊C均值聚类（TSFCM)、多种群粒子群优化支持向

量机（MPSO-SVM)的电力工程小样本数据智能校核模型。利用TSFCM算法对输入的电力工程历史数据进行分类，减少不

同类别电力工程特征差异对数据校核结果的影响。通过MPSO-SVM算法分别对每类电力工程数据进行校核模型构建，实现

电力工程数据的精准校核。以造价数据为样本进行的仿真分析结果表明，所提出的TSFCM算法具有更优的聚类精度和计算

速度，所提出的MPSO-SVM算法具有更小的校核误差，相比传统SVM算法，平均校核误差由9.3%下降到4.7%。

关键词：电力工程数据；多种群粒子群；支持向量机；数据校核；C均值聚类

中图分类号：TP277；TN99文献标志码：A

SmallSampleModelTrainingTechnologyforIntelligentVerification

ofPowerEngineeringData

TIANHaifeng,HUAShengping,YANGPUHanting,CAIHAIDuojie,LIUShuning

(EconomicandTechnologicalResearchInstituteofStateGridQinghaiElectricPowerCompany,Xining81oo08,China)

Abstract:Tosolvetheproblemoflowaccuracyofpowerengineeringdataverification,thispaperproposesanintelligentverifi-

cationmodelforsmallsampledataofpowerengineering.Themodelcombinestwo-stagefuzzyC-meansclustering(TSFCM)

withmulti-populationparticleswarmoptimizationsupportvectormachine(MPSO-SVM).ThismodelusestheTSFCMalgo-

rithmtoclassifytheinputhistoricaldataofpowerengineeringtoreducetheimpactofdifferencesinthecharacteristicsofdiffer-

enttypesofpowerengineeringfeaturesondataverificationresults.TheMPSO-SVMalgorithmisusedtoconstructaverifica-

tionmodelforeachtypeofpowerengineeringdatatoachieveaccurateverificationofpowerengineeringdata.Thesimulation

analysisresultsusingcostdataassamplesshowthattheproposedTSFCMalgorithmhasbetterclusteringaccuracyandcompu-

tationalspeed,andtheproposedMPSO-SVMalgorithmhass