电力系统保护与控制
電力繫統保護與控製
전력계통보호여공제
POWER SYSTM PROTECTION AND CONTROL
2012年
18期
19-23
,共5页
霍思敏%王科%陈震海%吕毅%王亮%黄若寅%吴俊春%叶磊
霍思敏%王科%陳震海%呂毅%王亮%黃若寅%吳俊春%葉磊
곽사민%왕과%진진해%려의%왕량%황약인%오준춘%협뢰
暂态稳定%机器学习%支持向量机%交叉验证%网格搜索
暫態穩定%機器學習%支持嚮量機%交扠驗證%網格搜索
잠태은정%궤기학습%지지향량궤%교차험증%망격수색
针对目前基于人工智能算法的电力系统暂态稳定评估输入特征选择困难的问题,采用发电机单一状态变量故障清除后一段时间内的轨迹作为支持向量机(Support Vector Machine,SVM)的输入特征,并采用网格法寻找支持向量机在交叉验证意义下的最优参数.通过对这类支持向量机的性能进行详细的分析和对比,给出了3个分类准确度很高的发电机状态变量.在湖南电网的测试系统上仿真实现了该模型,仿真结果证明所提基于轨迹输入特征的支持向量机具有很高的精度,为支持向量机输入特征的选取提供了新思路.
針對目前基于人工智能算法的電力繫統暫態穩定評估輸入特徵選擇睏難的問題,採用髮電機單一狀態變量故障清除後一段時間內的軌跡作為支持嚮量機(Support Vector Machine,SVM)的輸入特徵,併採用網格法尋找支持嚮量機在交扠驗證意義下的最優參數.通過對這類支持嚮量機的性能進行詳細的分析和對比,給齣瞭3箇分類準確度很高的髮電機狀態變量.在湖南電網的測試繫統上倣真實現瞭該模型,倣真結果證明所提基于軌跡輸入特徵的支持嚮量機具有很高的精度,為支持嚮量機輸入特徵的選取提供瞭新思路.
침대목전기우인공지능산법적전력계통잠태은정평고수입특정선택곤난적문제,채용발전궤단일상태변량고장청제후일단시간내적궤적작위지지향량궤(Support Vector Machine,SVM)적수입특정,병채용망격법심조지지향량궤재교차험증의의하적최우삼수.통과대저류지지향량궤적성능진행상세적분석화대비,급출료3개분류준학도흔고적발전궤상태변량.재호남전망적측시계통상방진실현료해모형,방진결과증명소제기우궤적수입특정적지지향량궤구유흔고적정도,위지지향량궤수입특정적선취제공료신사로.
