提出一种基于v-NPSVM(v-Non-Parallel Support Vector Machine,v-NPSVM)的电力系统暂态稳定评估方法,在NPSVM分类器中引入v值重构分类器,可继承NPSVM评估精度高和时间复杂度低的优势,同时有效量化电力系统稳定状态的稀疏程度,解决不均...提出一种基于v-NPSVM(v-Non-Parallel Support Vector Machine,v-NPSVM)的电力系统暂态稳定评估方法,在NPSVM分类器中引入v值重构分类器,可继承NPSVM评估精度高和时间复杂度低的优势,同时有效量化电力系统稳定状态的稀疏程度,解决不均衡稳定性分类问题.首先,采用系统指标和投影能量函数指标构建暂态稳定指标的原始特征集,通过最大相关最小冗余特征选择方法对暂态指标集进行特征压缩,寻找对电网暂态变化敏感度高的特征子集.然后,基于v-NPSVM思想将样本集分成稳定类与不稳定类,分别映射到高维空间,实现非线性暂态稳定评估问题的线性转化,寻找稳定类与不稳定类的最佳投影坐标轴,通过v值改变支持向量的占比,进而改善电力系统暂态的评估准确率.最后,以IEEE-145节点系统的仿真计算,验证了所提方法的有效性和准确性.展开更多
文摘提出一种基于v-NPSVM(v-Non-Parallel Support Vector Machine,v-NPSVM)的电力系统暂态稳定评估方法,在NPSVM分类器中引入v值重构分类器,可继承NPSVM评估精度高和时间复杂度低的优势,同时有效量化电力系统稳定状态的稀疏程度,解决不均衡稳定性分类问题.首先,采用系统指标和投影能量函数指标构建暂态稳定指标的原始特征集,通过最大相关最小冗余特征选择方法对暂态指标集进行特征压缩,寻找对电网暂态变化敏感度高的特征子集.然后,基于v-NPSVM思想将样本集分成稳定类与不稳定类,分别映射到高维空间,实现非线性暂态稳定评估问题的线性转化,寻找稳定类与不稳定类的最佳投影坐标轴,通过v值改变支持向量的占比,进而改善电力系统暂态的评估准确率.最后,以IEEE-145节点系统的仿真计算,验证了所提方法的有效性和准确性.