基于半监督MPSVM的电力系统暂态稳定评估

摘要：

半监督学习可借助有标签和部分无标签样本数据来构建电网暂态稳定评估模型,有效利用输入样本数据,可提高电网暂态稳定评估准确率,为此提出基于半监督近似流形支持向量机(manifold proximal support vector machine,MPSVM)的暂态稳定评估方法.首先,在MPSVM的正则项中引入判别变量,可最大限度捕捉样本数据内部的几何信息,并通过最大距离理论表征电力系统稳定类和不稳定类之间的差异,进而转化为求解特征值问题;然后,采用贝叶斯非线性分层模型确定最优参数,可进一步提高评估准确率;最后,采用IEEE 39标准系统和鞍山电网的仿真分析验证所提评估模型的有效性和准确性.

关键词：近似流形支持向量机、半监督分类、暂态稳定评估、贝叶斯非线性分层模型、机器学习

所属期刊栏目：33

分类号：TM712(输配电工程、电力网及电力系统)

在线出版日期：2020-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：74-81