基于支持向量机综合分类模型和关键样本集的电力系统暂态稳定评估
为了提高支持向量机(Support Vector Machine,SVM)的分类性能,提出了根据关键样本集构造的SVM综合分类模型进行电力系统暂态稳定评估的方法.给出了基于不同特征量的SVM综合分类模型的构建方法、关键样本集的产生方法以及基于综合分类模型和关键样本集的SVM分类步骤.采用3机9节点典型算例和某省级电网算例进行分类效果分析.分析结果表明,所提出的基于SVM综合分类模型和关键样本集的方法,相较于传统SVM方法,大幅度减少了将不稳定样本判定为稳定的漏分类数,提高了SVM方法的实用性.所提出的基于关键样本集构造分类模型的思路对于其他数据挖掘方法也有一定的借鉴意义.
支持向量机、综合分类模型、关键样本集、电力系统、暂态稳定评估
45
TP3;TP1
国家电网公司科技项目5442xt170016 This work is supported by Science and Technology Project of State Grid Corporation of China 5442xt170016
2017-12-25(万方平台首次上网日期,不代表论文的发表时间)
共8页
1-8