[发明专利]一种基于元学习的分布式发电孤岛检测方法

权利要求书

1.一种基于元学习的分布式发电孤岛检测方法，其特征在于，包括以下步骤：

1)采用RELIEF算法识别孤岛检测的关键特征，得到关键特征集合；

2)多个基学习器对原始关键特征集合进行分类预测；

3)将多个基学习器的分类结果作为特征项加入训练集中，生成新的样本集合T；

4)元学习器以样本T作为训练集，对基学习器的分类结果进行再学习，得到最终的检测结果。

2.根据权利要求1所述的一种基于元学习的分布式发电孤岛检测方法，其特征在于，所述的采用RELIEF算法识别孤岛检测的关键特征具体步骤如下：

101)给定样本集合E＝{(x_i，y_i)}(i＝l，...n)，其特征集合为A(x)＝{a^(j)}(j＝1，...d)；

102)对各特征的值做归一化处理，设定各特征的初始权重ω_j＝0；对集合E的采样次数为n；

103)随机从E中选取一个样本(x_i，y_i)，其中i＝1，...n；

104)找出与样本(x，y)欧式距离最近的同类样本H(x)和异类样本M(x)；

105)ω_j＝ω_j+|x^(j)-M^(j)(x)|-|x^(j)-H^(j)(x)|，其中j＝l，...d；

106)选择权重大于设定阈值的特征作为关键特征集合。

3.根据权利要求2所述的一种基于元学习的分布式发电孤岛检测方法，其特征在于，所述的基学习器的个数为K个，所述的新的样本集合

T＝{x_i，C₁(x_i)，C₂(x_i)，...，C_K(x_i)，C(x_i)|x_i∈E}

其中原始样本集合E＝{(x_i，y_i)}(i＝1，...n)，C_k为基学习器，k＝1，...K，C(x_i)表示x_i的类别标签，即真实分类y_i，而用C_k(x_i)表示基学习器C_k对x_i的分类结果，公式中前面d列为基学习器的特征，从d+1列到d+K列为由K个基学习器的分类结果构成的特征，最后一列为类别标签。

4.根据权利要求1所述的一种基于元学习的分布式发电孤岛检测方法，其特征在于，所述的基学习器包括C4.5、CART和SVM三种分类算法的学习器。

5.根据权利要求1所述的一种基于元学习的分布式发电孤岛检测方法，其特征在于，所述的元学习器为SVM分类算法的学习器。