-
题名电力系统静态安全状态实时感知的相关向量机法
被引量:17
- 1
-
-
作者
李海英
刘中银
宋建成
-
机构
上海理工大学电气工程系
太原理工大学电气与动力工程学院
-
出处
《中国电机工程学报》
EI
CSCD
北大核心
2015年第2期294-301,共8页
-
基金
国家自然科学基金项目(51207092)
上海市教育委员会科研创新项目(12YZ099)~~
-
文摘
在信息物理系统(cyber physical systems,CPS)深度融合背景下,提出一种安全状态实时感知的相关向量机(relevance vector machine,RVM)数据驱动方法。RVM是贝叶斯概率框架下基于核函数的学习方法,通过多层先验的超参数设置获取模型参数的稀疏解,并采用伯努利分布获得分类后验概率。该方法首先根据日前市场的运行与调度规则,产生运行条件,构造安全评估特征集及事故安全分类;然后将基于距离的Relief算法用于特征排序,筛选出与分类紧密相关的特征子集;最后通过RVM分类学习对系统安全状态进行辨识。IEEE 30节点系统测试结果表明,RVM方法的极度稀疏性、高分类精度、概率输出在实时安全状态感知中具有显著优越性。
-
关键词
安全状态感知
相关向量机
贝叶斯概率学习
Relief特征选择
稀疏核模型
-
Keywords
security situational awareness
relevance vector machine
Bayesian probabilistic learning
Relief feature selection
sparse kernel model
-
分类号
TM71
[电气工程—电力系统及自动化]
-