基于转子角轨迹簇特征的电力系统暂态稳定评估

• 作者: 严剑峰 于之虹 冀鲁豫 吴俊勇 周艳真 郝亮亮
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 暂态稳定评估 转子角轨迹 支持向量机 决策树 机器学习
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 电力系统
• 页码范围: 1482-1487
• 页数: 6页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2016.05.028

摘要

机器学习技术已被广泛应用于暂态稳定分析领域。在基于机器学习的暂稳评估中，如何兼顾输入特征信息量的多少和整体计算效率，一直是需要解决的问题。为此提出一种基于转子角轨迹簇特征、由线性支持向量机(linear support vector machine，LSVM)和决策树(decision tree，DT)构成的组合式暂稳评估方法。首先，构建转子角轨迹簇整体特征的时间序列作为暂稳评估的输入向量，考虑到输入特征的时间维度，先通过 LSVM 对每个时序特征进行降维映射，再将降维后的结果输入至DT中，形成暂稳预测和稳定程度评估模型，并采用boosting技术进一步提高评估模型的准确性。对新英格兰10机39节点系统进行算例分析验证了方法的有效性，所提出的轨迹簇特征和组合算法具有较高的精度和计算效率，能较准确地指示系统的稳定程度，且对未知运行工况具有一定的泛化能力。