基于粒子群优化算法支持向量回归预测法的大电网电压稳定在线评估方法

摘要：

提出基于粒子群优化算法支持向量回归预测法(particle swarm optimization support vector regression,PSO-SVR)的大电网电压稳定在线评估方法,将传统基于深度神经网络(deep neural networks,DNN)模型的电压稳定评估方法改进为PSO优化过的SVR模型,对阻抗模裕度指标进行预测.该方法利用了SVR模型具有学习能力强、泛化错误率低的优点,在小样本的情况下也可以很好地学习到样本中的特征.同时克服SVR模型对于参数调节和函数选择非常敏感的问题,利用P SO算法对SVR模型的超参数进行优化选择,可以让SVR模型更好地学习到电网运行数据和阻抗模裕度值之间的非线性关系.最后,该方法在IEEE 118节点系统进行验证,并与基于DNN模型的评估方法进行比较,验证了其精度水平高于基于DNN模型的方法.

关键词：电力系统、静态电压稳定、阻抗模裕度、粒子群优化算法、支持向量回归预测法

所属期刊栏目：42

分类号：TM712.2(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51777179

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：22-28