基于支持向量机增量学习的电力系统暂态稳定评估
基于传统支持向量机的暂态稳定评估模型,通常将所有的学习样本同时参与学习,如果有新样本加入,则需要对所有样本重新学习.针对传统暂态稳定评估模型不能在线更新的不足,提出了一种支持向量机增量学习的暂态稳定评估方法.该方法利用一种快速支持向量机增量学习方法,构造递归解法将新数据增加到解中,并对模型更新前的训练数据保持Karush-Kuhn-Tucker条件.通过一次1个样本的增量学习更新暂态稳定评估模型.新英格兰39节点测试系统的仿真实验表明:所提出的方法能有效更新评估模型且大幅减少学习时间,为基于机器学习的电力系统暂态稳定在线学习提供了新思路.
暂态稳定评估、机器学习、支持向量机、特征选择、增量学习
35
TP1;TP3
国家自然科学基金资助项目90610026;中央高校基本科研业务费专项资金资助项目SWJTU09ZT10;教育部新世纪优秀人才支持计划资助项目NECT-08-0825
2011-12-12（万方平台首次上网日期，不代表论文的发表时间）
共5页
15-19
