[发明专利]基于机器学习的稳定性指标构造方法及装置有效

专利信息
申请号: 201910044860.8 申请日: 2019-01-17
公开(公告)号: CN109816235B 公开(公告)日: 2021-05-04
发明(设计)人: 胡伟;张毅;刘劲松;刘芮彤;张强;习学农;王晓华;罗林林;喻正春;孙树双;罗春林;朴京泽;母磊;蔡绍荣;纪大付;罗修明;冯达 申请(专利权)人: 国家电网有限公司;国网辽宁省电力有限公司电力科学研究院;清华大学;国网西藏电力有限公司;国家电网公司西南分部
主分类号: G06Q10/06 分类号: G06Q10/06;G06Q50/06;G06K9/62
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 张润
地址: 100033 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于机器学习的稳定性指标构造方法及装置,方法包括:获取稳定性指标的训练样本,训练样本包括稳定样本和不稳定样本;根据稳定性指标的预设要求在支持向量机模型SVM的约束条件中引入松弛变量;分别去掉稳定样本和不稳定样本的约束条件中的松弛变量得到激进型支持向量机模型ASVM和保守支持向量机模型CSVM;根据ASVM和CSVM的边界距离之差得到不稳定评估指标DD;根据ASVM和CSVM改造DD,并结合Ridge回归算法进行拟合,以构造稳定性指标。该方法通过将SVM的优点与Ridge回归算法相结合得到稳定性指标表征系统稳定裕度,用于稳定性判断的辅助决策,从而提高紧急控制的决策能力与精度。
搜索关键词: 基于 机器 学习 稳定性 指标 构造 方法 装置
【主权项】:
1.一种基于机器学习的稳定性指标构造方法,其特征在于,包括以下步骤:获取稳定性指标的训练样本,其中,所述训练样本包括稳定样本和不稳定样本;根据稳定性指标的预设要求在支持向量机模型SVM的约束条件中引入松弛变量;分别去掉所述稳定样本和不稳定样本的约束条件中的松弛变量得到激进型支持向量机模型ASVM和保守支持向量机模型CSVM;根据所述ASVM和所述CSVM的边界距离之差得到不稳定评估指标DD;以及根据所述ASVM和所述CSVM改造所述DD,并结合Ridge回归算法进行拟合,以构造稳定性指标。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国家电网有限公司;国网辽宁省电力有限公司电力科学研究院;清华大学;国网西藏电力有限公司;国家电网公司西南分部,未经国家电网有限公司;国网辽宁省电力有限公司电力科学研究院;清华大学;国网西藏电力有限公司;国家电网公司西南分部许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201910044860.8/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top