基于扩展k阶近邻法的电力系统稳定评估新算法

针对k阶近邻法分类时对样本的潜在结构信息未加利用这一缺陷,扩展k阶近邻法采用模式发现算法获取样本的空间分布知识,以获得的知识取代原始样本实现未知样本的分类。算法有效剔除了不利于分类的干扰样本,提高了分类精度和速度。在基于稳态运行信息的暂态稳定评估算法中,应用扩展k阶近邻法,实现了各种方式下稳定水平的正确判别。仿真结果验证了算法的有效性。算法作为一种通用的知识获取工具有广泛的应用前景。

电网安全监测的智能化关键特征识别及稳定分区算法

提出了一种以关键运行特征识别和稳定薄弱环节辨识为目标的智能稳定评估方案,基于改进遗传算法与k阶近邻法(k-NN)相结合的稳定特征提取算法,实现对稳态运行信息中稳定关键特征的识别。在新英格兰10机39母线系统的仿真测试表明,算法能有效提取出反映不同区域稳定水平的少量关键运行特征变量,该特征较好地反映了失稳模式信息。通过构造基于BP网络的临界切除时间(CCT)预测器进一步验证了特征提取的有效性。基于特征提取结果与扰动位置的关联分析,提出了特征重合度判别方法,实现了对电网的稳定分区。