[发明专利]基于支持向量机的电力系统暂态稳定判断方法

摘要

本发明涉及基于支持向量机的电力系统暂态稳定判断方法，属于电力系统自动化分析技术领域，特征在于利用逐轮寻优确定SVM的输入特征量集合，进而通过SVM建立暂态稳定评估规则。本方法包括首先确定输入向量备选集、输入向量元素个数、SVM的核函数和训练参数，然后生成训练样本和测试样本，接着将所有备选特征量逐一加入输入特征量集合，训练SVM，确定使得SVM分类准确率最高的特征量，进而判断特征量选择计算是否结束及输入特征量集合输出，最后训练SVM并得到稳定规则。本发明算法易于实现、计算量小，可应用于我国区域电力系统、省级电力系统等各级电力系统的在线安全稳定评估，有力保障电网特性日益复杂背景下系统安全稳定运行。

主权项

一种基于支持向量机的电力系统暂态稳定判断方法，其特征在于，该方法包括以下步骤：1)确定输入向量元素的备选集、输入向量元素个数、SVM的核函数和训练参数：输入向量备选集是电力系统中的相关电气信息，输入向量元素的备选集的元素个数设为F，输入向量元素个数N的目标值为M，M取值等于或大于发电机的台数，N的初始值为0，确定SVM的核函数和训练参数；2)生成训练样本和测试样本：通过电力系统暂态稳定仿真或历史的故障记录得到训练样本和测试样本，所述两种样本的输入信息包含输入向量备选集中的所有信息，两种样本的输出为电力系统的暂态稳定性的标记：1表示稳定，0表示不稳定；3)将备选集中的所有元素逐一加入到输入向量中，用该输入向量作为训练样本和测试样本的输入向量，用训练样本训练SVM：将备选集中的第i个元素加入原输入向量，i＝1,2,…,F，得到新的输入向量，作为训练样本和测试样本的输入向量，用训练样本训练SVM，得到训练准确率，用测试样本检验生成规则的准确性，得到测试准确率，将上述两种准确率的平均值记为A(i)i＝1,2,…,F；4)确定使得SVM分类准确率最高的备选集元素:取A(i)中的最大值对应的备选集元素，加入输入向量中，令N＝N+1；5)判断特征选择计算是否结束并确定输入向量：判断N是否等于M：若N＝M则转步骤6)；否则返回步骤3)；6)SVM训练和规则生成:利用5)得到的输入向量再训练SVM，SVM的训练结果作为用于对电力系统暂态稳定判断的规则；利用该SVM的训练结果直接应用于在线的暂态稳定分析，实现电力系统在线的暂态稳定的判断。