基于改进SVM的智能电网调控系统实时风险评估与预警技术

• 作者: 王宁 田家英 董宁 韩盟 陈艳霞
• 来源期刊: 沈阳工业大学学报
• 学科: 工学
• 关键词: 卷积神经网络 支持向量机 CNN-SVM模型 智能电网 调控系统 数据处理 风险评估预警 实时风险评估体系
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 电气工程|Electrical Engineering
• 页码范围: 7-13
• 页数: 7页
• 分类号: TM734
• 语种: 中文
• DOI: 10.7688/j.issn.1000-1646.2022.01.02

摘要

针对智能电网调控系统通信和数据安全难以保障的问题,提出了一种基于改进支持向量机(SVM)的智能电网调控系统实时风险评估与预警技术.采用卷积神经网络(CNN)改进SVM模型得到CNN-SVM分类模型,用以处理实时风险评估体系中的数据信息.通过将CNN输出的数据特征输入SVM分类器进行风险等级分类,完成对数据中可能出现的风险进行识别、评估定级及预警.仿真结果表明,所提技术能够对调控系统实时风险进行准确、可靠的评估与预警,且其分类准确率、召回率、F1分数的均值分别为92％、86％和90％,均优于对比方法并具有更优的可靠性.