جستجو
ارزیابی تعمیمپذیری مدلهای یادگیری ماشین در تشخیص دستکاری دادههای اندازهگیری شبکههای قدرت تحت شرایط بارگذاری دیدهنشده
محبوبه مرادطجری1
چکیده :
با توسعه سامانههای هوشمند اندازهگیری و پایش شبکههای قدرت، صحت و یکپارچگی دادههای اندازهگیری اهمیت بیشتری یافته است. یکی از مسائل مهم در بهکارگیری مدلهای یادگیری ماشین برای شناسایی دستکاری دادهها، حفظ دقت آنها در شرایطی است که در مرحله آموزش با آن مواجه نبودهاند. پژوهش حاضر با هدف بررسی تعمیمپذیری این مدلها در تشخیص دستکاری مصنوعی دادههای اندازهگیری، تحت شرایط بارگذاری دیدهنشده انجام شده است. برای این منظور، دادههای شبکه استاندارد ۳۳ باس IEEE با استفاده از نرمافزار pandapower تولید شدند. مجموعه داده شامل پنج سطح بارگذاری از ۰٫۸ تا ۱٫۲ و ۱۵ سناریوی پایه در هر سطح بود. از هر سناریوی پایه، یک نمونه سالم و دو نمونه دستکاریشده با شدتهای ۰٫۰۳ و ۰٫۰۸ ایجاد شد که در نهایت، ۲۲۵ سناریو در قالب ۷۵ گروه مبدأ به دست آمد. سپس، عملکرد سه الگوریتم رگرسیون لجستیک، جنگل تصادفی و درختهای بسیار تصادفی با روش کنارگذاری یک سطح بارگذاری (LOLO) مورد ارزیابی قرار گرفت. نتایج حاصل نشان داد که رگرسیون لجستیک با استفاده از ویژگیهای کانالی، میانگین دقت متوازن ۰٫۸۴۶۷ و نرخ مثبت کاذب ۰٫۰۲۶۷ را ثبت کرده است. در مقابل، دو الگوریتم درختی در آستانههای تصمیمگیری انتخابشده، تمامی نمونههای آزمون را در کلاس دستکاریشده قرار دادند. این نتایج نشان میدهد که ارزیابی تعمیمپذیری مدلها، نحوه انتخاب آستانه تصمیمگیری و توجه همزمان به خطای تشخیص نمونههای سالم و دستکاریشده، در سنجش عملکرد این مدلها اهمیت دارد.
کلمات کلیدی : شبکههای قدرت دستکاری دادههای اندازهگیری یادگیری ماشین تعمیمپذیری بارگذاری دیدهنشده تشخیص ناهنجاری
زبان مقاله : فارسی
محور مقاله : هوش مصنوعی
محل انتشار : چهارمین کنگره بین المللی علوم، مهندسی و فن آوری های نو
آدرس وب سایت کنفرانس : secongress.com
کد IOI مقاله : ACCA-ACAGFK
لینک مستقیم مقاله : https://isnac.ir/ACCA-ACAGFK
نمایش چکیده انگلیسی
: https://isnac.ir/SA/ACCA-ACAGFK
سایر مقالات محل انتشار
- همگرایی نهادی و کارایی فناورانه در توسعه شهر هوشمند: تحلیل تطبیقی مدلهای آسیایی
- بهینهسازی استوار و چندمرحلهای تصادفی برای کربنزدایی عمیق و استراتژی سبد محصولات در پتروپالایشگاههای یکپارچه تحت عدم قطعیت عمیق
- شناسایی فن آوریهای نوین و اولویتبندی آنها برای استفاده در مدیریت نگهداشت تجهیزات دریایی و بندری؛ مطالعه موردی بندر چابهار
- A Review of Recent Advances in Nanoparticle-Enhanced 1–3 Piezoelectric Composite Sensors for High-Sensitivity and Broadband Medical Imaging
- The dawn of a new generation of CNC on the path to sustainable, precise production (smart machining)
- Optimization of CNC machining parameters with the aim of increasing surface quality and reducing production time
- The role of space and place in the formation of psychological behaviors
- Design and Analysis of Combined Power Amplifiers (Combined PAs) Using Nonlinear Structures: From Circuit Implementation to Spectral-Energy Efficiency Evaluation in Hybrid-Beamforming MIMO Systems
- Power Management Strategies Incorporating Thermal Considerations for Integrated Power Amplifiers in Digital Phased-Array Systems
- Design and Optimization of a Sub-threshold Differential Amplifier for Ultra-low-power Biosignal Processing Applications
- Comparative Analysis and Performance Enhancement of FinFET-Based Differential Amplifiers for High-Speed Telecommunication Systems
- Design of a High-Linearity Power Amplifier Using Feedback Structures at High Frequencies
- Quantum Symmetry and Compactness in Graphs: A Convex-Geometric Approach
- Green Entrepreneurship and the Transition to a Sustainable Economy: A Conceptual Framework for Transformative Transition Capacity
- A Review of Thermoelectric Energy Harvesting Circuits and Methods for Self-Powered Wireless Sensor Nodes and the Internet of Things