基于聚类的支持向量回归模型在电力系统暂态稳定预测中的应用

摘要：

提出了一种电力系统暂态稳定实时预测方案,通过相量测量单元(PMU)获得扰动后短时间内的发电机功角相量,利用支持向量回归(SVR)模型可以快速而准确地预测发电机相对功角的变化趋势,从而可以判断电力系统的暂态稳定性.为了提高预测的精度和降低SVR的训练负担,利用自组织特征映射(SOFM)网络对训练样本集进行聚类分析,对聚类后的每一类样本训练SVR,由于每类样本具有相似性,所以对每类样本单独训练SVR可以更好地提高训练精度;又由于分类后的子类样本数目相对较小,所以可以克服全体训练样本对SVR训练时间过长的缺点.结合新英格兰10机系统对基于多种不同样本的SVR从训练时间和预测精度进行对比说明该方法的有效性.

关键词：相量测量单元(PMU)、支持向量回归(SVR)、自组织特征映射(SOFM)、聚类

所属期刊栏目：21

分类号：TM7(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金50595414;教育部重点项目305008

在线出版日期：2006-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：75-80