基于支持向量机增量学习的电力系统暂态稳定评估

基于传统支持向量机的暂态稳定评估模型,通常将所有的学习样本同时参与学习,如果有新样本加入,则需要对所有样本重新学习.针对传统暂态稳定评估模型不能在线更新的不足,提出了一种支持向量机增量学习的暂态稳定评估方法.该方法利用一种快速支持向量机增量学习方法,构造递归解法将新数据增加到解中,并对模型更新前的训练数据保持Karus...     

支持向量机动态训练算法电力系统暂态稳定评估

在对比分析电力系统已有暂态稳定评估方法的基础上,提出一种以支持向量机模型为基础的动态训练算法.该方法将特征提取、样本训练融合在一起,动态产生一系列支持向量机模型,同时可以从维数较大的初始特征集中选择多组有效特征.实验表明,它可用于解决输入空间的可分性问题.在3机9节点以及16机68节点系统中的应用表明了该方法的有效性.     

多输入特征融合的组合支持向量机电力系统暂态稳定评估

利用支持向量机(SVM)方法进行暂态稳定判别时，输入特征的选择是影响最终结果的最重要因素。传统启发式和试探式方法不能从根本上解决输入特征选择的问题。本文利用信息融合思想，在构造的具有不同输入特征的多组子分类器的基础上，对子分类器的结果在输出空间再进行信息融合，以提高分类准确率。文中从不同角度启发式的构造了4组不同的输入特征，构成四组弱分类器。以这四组弱分类器为子分类器，再构造一个融合SVM对几种子分类器的结果以回归方式进行融合，作为最终判别结果。IEEE39-BUS和IEEE145-BUS测试系统上进行的仿真表明，弱分类器的分类性能经过融合得到明显强化，融合后的结果比任何一种子分类器的结果以及一次包含所有输入特征的结果都更准确。该方法为在线快速进行暂态稳定计算提供了一条重要途径。     

基于正则化投影孪生支持向量机的电力系统暂态稳定评估

提出一种基于正则化投影孪生支持向量机的暂态稳定评估方法。将基于传统支持向量机进行暂态稳定评估的高维二项式优化问题转化为两个低维二项式优化问题,并在投影孪生支持向量机的目标函数中引入正则项来改善评估稳定性。首先,构建由系统特征和投影能量函数特征组成的初始样本集,通过特征选择对初始特征进行压缩,获取可有效表征暂态稳定性的最优特征集。然后,基于正则化投影孪生支持向量机的思想将暂态稳定状态分成稳定类与不稳定类,寻找各稳定状态的最佳投影坐标轴,使稳定类投影到稳定类投影超平面上后尽可能地聚成簇,而不稳定类投影到稳定类投影超平面上后尽可能远离稳定类聚成的簇,降低暂态稳定评估的计算时间,同时借助遗传算法进行参数选择以提高准确率。最后,通过IEEE-145和南方电网算例的仿真分析,验证了所提方法的有效性和准确性。     

基于支持向量机综合分类模型和关键样本集的电力系统暂态稳定评估

为了提高支持向量机(Support Vector Machine, SVM)的分类性能,提出了根据关键样本集构造的SVM综合分类模型进行电力系统暂态稳定评估的方法。给出了基于不同特征量的SVM综合分类模型的构建方法、关键样本集的产生方法以及基于综合分类模型和关键样本集的SVM分类步骤。采用3机9节点典型算例和某省级电网算例进行分类效果分析。分析结果表明,所提出的基于SVM综合分类模型和关键样本集的方法,相较于传统SVM方法,大幅度减少了将不稳定样本判定为稳定的漏分类数,提高了SVM方法的实用性。所提出的基于关键样本集构造分类模型的思路对于其他数据挖掘方法也有一定的借鉴意义。     

采用支持向量机的电力系统暂态稳定分析

<正>电网的不断互联,电力市场政策的逐步实施使得电网的动态行为更加复杂,电网运行越来越接近其稳定极限,一旦发生自然或者人为故障,如果不能及时有效地加以控制,将会破坏电网的稳定运行,甚至酿成大面积停电事故。为了保证电网稳定运行,防止大停电等恶性事故的发生,现代电网亟须有效的在线暂态稳定识别算法,能够快速识别出故障后存在的潜在危险,为紧急控制争取更多的时间。电力系统暂态稳定是研究电力系统在受到扰动后,     

基于支持向量机的电力系统静态电压稳定评估

为了预防电压崩溃,需要评估系统运行状态到电压极限点的距离.该距离通常用潮流方程计算,但对于高维电力系统,这种方法计算速度较慢,难以满足实时电压稳定评估的要求.为减少评估时间,应用快速且可靠的评估技术是很重要的.本文提出了一种基于支持向量机的静态电压稳定评估方法,该方法充分发挥支持向量机在解决高维、非线性和有限样本问题方面体现出的优势,保证了电压稳定评估模型的泛化能力,具有较快的评估速度和较高的预测精度.在WSCC9节点测试系统中的应用结果证明了该方法的有效性.     

基于支持向量机的电力系统静态电压稳定评估

为了预防电压崩溃,需要评估系统运行状态到电压极限点的距离。该距离通常用潮流方程计算,但对于高维电力系统,这种方法计算速度较慢,难以满足实时电压稳定评估的要求。为减少评估时间,应用快速且可靠的评估技术是很重要的。本文提出了一种基于支持向量机的静态电压稳定评估方法,该方法充分发挥支持向量机在解决高维、非线性和有限样本问题方面体现出的优势,保证了电压稳定评估模型的泛化能力,具有较快的评估速度和较高的预测精度。在WSCC 9节点测试系统中的应用结果证明了该方法的有效性。     

基于耦合模拟退火和最小二乘支持向量机的电力系统暂态稳定评估

针对现有支持向量机(SVM)在评估精度上的不足,提出一种基于耦合模拟退火和最小二乘支持向量机(LSSVM)的电力系统暂态稳定评估方法,将SVM中的约束转化为等式约束,经验损失用损失函数表征,实现二次规划与线性方程问题的转化。采用系统指标造原始特征集,通过最大相关最小冗余特征选择方法进行特征压缩,确定强相关特征集,将特征子集映射到高维空间,使非线性与线性分类问题的转化;然后,用耦合模拟退火法确定LSSVM的最优参数提高计算精度,并进行暂态稳定判别。最后,采用新英格兰10机39节点系统和某实际电网系统验证所提方法的有效性和准确性。     

基于支持向量机和决策函数的暂态稳定评估方法

暂态稳定评估是保证电力系统安全稳定运行的关键点,为解决应用机器学习进行暂态稳定评估保守性不足的问题,提出了一种基于支持向量机和决策函数的暂态稳定评估方法。该方法以故障前潮流量为初始特征集,结合暂态安全稳定量化评估和统计理论方法,提取输入特征;通过支持向量机训练暂态稳定评估模型,得出评估模型的决策函数,并依据支持向量的决策值确定门槛值,保证评估结果保守性。新英格兰10机39节点测试系统和实际系统算例验证了所提方法的可靠性和实用性。     

基于最小二乘支持向量机的电力系统暂态稳定在线预测

利用最小二乘支持向量机进行在线轨迹预测时,反复的矩阵求逆是影响计算速度的重要因素.该文根据分块矩阵求逆定理对标准算法进行改进,以提高计算速度.为满足实际多机系统稳定预测的要求,引入轨迹聚合技术对多机轨迹进行聚合,进一步减少了计算量.在轨迹降阶的基础上,根据扩展等面积法则(EEAC),通过识别聚合轨迹的动态鞍点来判断轨迹的稳定性.以中国电力科学研究院36节点系统和中国西北电网为例进行仿真分析,从预测精度和计算时间两方面验证方法的有效性.     

基于支持向量机的暂态稳定评估双阶段特征选择

针对电力系统暂态稳定评估的高维性,在构造一组与系统规模无关的原始特征集基础上,提出一种支持向量机双阶段特征选择方法。第1阶段以支持向量机递归特征选择法对原始特征集进行排序,消去对分类不重要的特征,得到一组降维的特征集;第2阶段以径向基核支持向量机为分类器的包装法,用最佳优先搜索算法得到一组近似最优特征子集。最后,在新英格兰39节点和IEEE50机测试系统上,对原始特征集使用所提的特征选择方法,仿真结果证明所提方法的有效性。同时,采用支持向量机双阶段特征选择法得到的特征子集对其他暂态稳定评估模型同样有效。     

基于响应轨迹和核心向量机的电力系统在线暂态稳定评估

针对现行调度需求提出基于响应轨迹和核心向量机的电力系统在线暂态稳定评估方法。首先将响应数据构建的原始特征集映射至高维特征空间,然后将暂态稳定评估问题定义为核心向量机中的最小闭包球问题,通过最优近似求解进行故障筛选和快速暂态稳定判别,且离线的训练和在线的匹配保证了暂态稳定评估过程能够满足在线计算的要求。10机39节点和某实际省级电网算例的计算结果表明,所提方法具有更低的时间和空间复杂度,并具有更高的评估精度。     

基于PC机群的电力系统暂态稳定评估

社会与经济的发展对电力的需求日益增加,同时对电力系统的安全稳定性也提出了更高的要求.结合先进的计算机和通信技术,提出了新型的电力系统暂态稳定评估方法.通过基于PC机群的并行化程序设计技术,某区域电网实际系统的仿真算例表明该方法能够取得比较理想的加速比和并行效率,具有广阔的工程应用前景.     

基于PC机群的电力系统暂态稳定评估

社会与经济的发展对电力的需求日益增加,同时对电力系统的安全稳定性也提出了更高的要求。结合先进的计算机和通信技术,提出了新型的电力系统暂态稳定评估方法。通过基于PC机群的并行化程序设计技术,某区域电网实际系统的仿真算例表明该方法能够取得比较理想的加速比和并行效率,具有广阔的工程应用前景。     

基于两阶段支持向量机的电力系统暂态稳定预测及预防控制

针对数据驱动的电力系统暂稳分析,考虑到安全域概念下的暂稳预测和预防控制对输入特征的不同要求,以及充分兼顾数据挖掘模型的直观性与准确性,该文提出两阶段支持向量机用于暂稳预测及预防控制。在第一阶段,采用可控特征和直观模型挖掘运行方式与暂态稳定的内在联系,并用于制定预防控制策略;第二阶段,采用复杂模型构建准确率高的暂稳预测模型;此外,第一阶段模型能够为第二阶段的暂稳预测模型的训练提供样本筛选的依据,从而缩短了预测模型的训练时间。仿真分析表明,经过数据缩减后,预测模型的训练时间大大缩短,所得模型仍具有较高的准确率;当系统被判断为不安全时,可提供发电机有功调整的预防控制措施,以保证电力系统安全稳定运行。     

基于在线最小二乘支持向量机回归的电力系统暂态稳定预测

提出了一种基于在线最小二乘支持向量机回归的电力系统暂态稳定预测方法。分析了标准最小二乘支持向量机回归算法用于在线预测时存在的主要问题，然后根据分块矩阵求逆定理对标准算法进行改进，实现支持向量的递推式求解，提高了算法的学习效率。为了满足实际多机系统在线稳定预测的要求，引入轨迹聚合技术对多机轨迹进行聚合，进一步减少了计算量。在轨迹降阶的基础上，根据EEAC理论，通过识别聚合轨迹的动态鞍点来判断轨迹的稳定性。最后，以电科院7机系统和我国西北电网为例进行仿真分析，从预测精度和计算时间两方面验证了方法的有效性。     

基于支持向量机的在线暂态稳定故障筛选

为了满足在线暂态稳定评估计算时效性要求,基于历史大数据提出了一种采用支持向量机的暂态稳定预想故障筛选方法。结合扩展等面积准则暂态稳定量化评估方法,基于系统功角稳定模式和机组参与因子选择特征量,按照关键特征量将历史运行方式聚类,针对失稳样本分布分别采用分类和回归2种预测方法,在预测模型适用性判别和模型匹配基础上获得稳定裕度预测值、分类稳定预测结果和可信度量测,采用交互式并行计算进行在线暂态稳定故障筛选,可以在较大程度上避免SVM暂态稳定评估方法固有的误判情况。基于某实际电网的算例验证了所提方法有效性。     

基于支持向量机的电力系统临界割集暂态稳定可用传输容量快速预测

传统的稳定裕度在转化为电力系统控制措施时比较困难,针对这一不足,提出了基于临界割集暂态稳定可用传输容量(TATC)的暂态稳定裕度表征方法。在此基础上,为了实现TATC的在线快速计算,进一步提出了基于支持向量机(SVM)的TATC快速预测模型。IEEE10机39节点仿真结果表明,相对于临界切除时间,TATC能够从控制的角度对系统的暂态稳定裕度进行更加细致的划分,便于电网运行人员根据TATC结果快速制定出有针对性的预防控制和紧急控制措施。同时,所提TATC预测模型,在200个样本规模下的预测准确率在97%以上,并且随着样本规模的增加,模型预测准确率有着进一步的提升空间,具有良好的在线应用前景。