基于支持向量机增量学习的电力系统暂态稳定评估

• 作者: 刘志刚 叶圣永 王晓茹 钱清泉
• 来源期刊: 电力系统自动化
• 学科: 工学
• 关键词: 暂态稳定评估 机器学习 支持向量机 特征选择 增量学习
• 年，卷（期）: 2011,（11）
• 所属期刊栏目: 运行可靠性与广域安全防御
• 页码范围: 15-19
• 分类号: TM712
• 字数: 2533字
• 语种: 中文

摘要

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Karush-Kuhn-Tucker条件.通过一次1个样本的增量学习更新暂态稳定评估模型.新英格兰39节点测试系统的仿真实验表明:所提出的方法能有效更新评估模型且大幅减少学习时间,为基于机器学习的电力系统暂态稳定在线学习提供了新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘志刚	西南交通大学电气工程学院	198	3421	30.0	45.0
2	钱清泉	西南交通大学电气工程学院	169	4754	36.0	63.0
3	王晓茹	西南交通大学电气工程学院	148	2979	30.0	46.0
4	叶圣永	西南交通大学电气工程学院	7	83	3.0	7.0