基于极限学习机的智能电网运行入侵检测研究

作者：梁林森

来源：粘接, 2023, 50(08): 185-188.

• 极限学习机
• 智能电网
• 入侵
• 检测研究

为解决智能电网运行入侵检测效率慢及入侵检测精度较低等问题，提出基于量子甲虫群算法优化的极限学习机模型。通过构建量子甲虫群优化算法，并引入量子力学，结合甲虫触角搜索和粒子群优化的优点，以进一步提高极限学习机算法入侵收敛性能，降低极限学习机的计算复杂度和训练时间。结果表明：随着迭代次数的增加，入侵检测测试误差逐渐减小，最小误差率为1.1%。所提出的极限学习机算法的准确率、平均F值和攻击准确率分别为95.82%、95.90%和95.16%。与随机森林算法相比，极限学习机可以有效提高智能电网运行入侵检测的准确性、检测率、攻击准确率，降低误报率，算法可满足实际智能电网运行入侵检测。

• 单位
  广州供电局; 广东电网有限责任公司