基于 Stacking元学习策略的电力系统暂态稳定评估

摘要：

为提高电力系统暂态稳定评估单个模型的准确率,研究了基于元学习策略的暂态稳定评估问题,提出了支持向量机、决策树、朴素贝叶斯和K最近邻法作为基学习算法,线性回归为元学习算法的Stacking评估模型.该模型将上述基学习算法的概率榆出作为新训练数据的输入特征,同时保留原始的类标识.线性回归算法在新训练集上学习得到最终暂态稳定评估结果.新英格兰39节点测试系统和IEEE50机测试系统上仿真实现了该模型,仿真结果证明所提模型比单个模型的评估性能更好,为电力系统暂态稳定评估提供了新的思路.

关键词：暂态稳定评估、朴素贝叶斯、支持向量机、决策树、K最近邻法、Stacking算法

所属期刊栏目：39

分类号：TM712(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金项目90610026;教育部新世纪优秀人才支持计划NECT-08-0825;中央高校基本科研业务费专项资金资助SWJTU09ZT10;教育部霍英东青年教师基金101060

在线出版日期：2011-08-25（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：12-16,23