基于代价敏感极端学习机的电力系统暂态稳定评估方法

• 作者: 张殷 李长松 肖先勇 胡清泉 陈振
• 来源期刊: 电力自动化设备
• 学科: 工学
• 关键词: 电力系统 暂态稳定 评估 极端学习机 误分类代价 漏报率 稳定性
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 分析与研究
• 页码范围: 118-123
• 分类号: TM712
• 语种: 中文
• DOI: 10.16081/j.issn.1006-6047.2016.02.019

摘要

针对电力系统暂态稳定评估中稳定样本与不稳定样本误分类代价不同的特点,提出一种基于代价敏感极端学习机的电力系统暂态稳定评估方法.该方法在现有极端学习机的基础上,引入误分类代价的概念,以误分类代价最小为目标,构造代价敏感极端学习机,克服了现有极端学习机应用于暂态稳定评估时只追求高的分类准确率而忽略不稳定样本漏报率的缺点.新英格兰39节点系统和IEEE 145节点系统的仿真结果表明,所提方法的评估结果更倾向于将样本划分为误分类代价大的不稳定样本,以减小总的误分类代价.通过调整误分类代价矩阵,不仅可以使漏报率降为0,还能使稳定样本的误报率维持在较低的水平,保证了评估结果的可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖先勇	四川大学电气信息学院	223	2612	27.0	42.0
2	张殷	四川大学电气信息学院	11	58	4.0	7.0
3	李长松	四川大学电气信息学院	25	113	7.0	10.0
4	陈振	四川大学电气信息学院	5	26	3.0	5.0
5	胡清泉	四川大学电气信息学院	4	4	1.0	2.0