10.13335/j.1000-3673.pst.2016.1519
用于电力系统暂态稳定预测的支持向量机组合分类器及其可信度评价
目前,利用数据挖掘方法进行电力系统暂态稳定分析的研究,所用数据集普遍存在失稳样本少的样本不均衡问题,且挖掘模型的参数选择困难,缺乏对预测结果可信度进行评价.针对以上问题,文章提出用于暂稳预测的支持向量机(support vector machine,SVM)组合分类器及其可信度评价方法.首先采用改进bootstrap抽样得到多个类别均衡的数据集,利用随机特征子空间技术进一步压缩数据集;然后用压缩后的数据训练得到多个SVM分类器,各SVM的参数在经验范围内随机选取;最后,通过综合多个SVM的概率输出,得到组合分类器的预测结果,并对结果可信度进行评价.通过算例分析表明,改进Bootstrap算法能够明显减少对失稳样本的漏判,所提出的SVM组合分类器具有较高的预测准确度和可信度.
暂态稳定预测、支持向量机、改进Bootstrap抽样、组合分类器、不均衡样本、可信度评价
41
TM74(输配电工程、电力网及电力系统)
2017-09-21(万方平台首次上网日期,不代表论文的发表时间)
共9页
1188-1196