基于支持向量機(jī)的電力系統(tǒng)暫態(tài)穩(wěn)定判斷方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電力系統(tǒng)調(diào)度自動(dòng)化技術(shù)領(lǐng)域，特別設(shè)及一種基于支持向量機(jī)的電力 系統(tǒng)暫態(tài)穩(wěn)定判斷方法。
【背景技術(shù)】
[0002] 電力系統(tǒng)暫態(tài)穩(wěn)定分析用于發(fā)現(xiàn)電力系統(tǒng)運(yùn)行的潛在隱患，指導(dǎo)電力系統(tǒng)安全穩(wěn) 定控制，是電力系統(tǒng)正常運(yùn)行的重要環(huán)節(jié)。目前，電力系統(tǒng)中采用的暫態(tài)穩(wěn)定分析方法為時(shí) 域仿真法，該方法計(jì)算復(fù)雜，耗時(shí)長，難W實(shí)現(xiàn)在線的分析計(jì)算。
[0003] 支持向量機(jī)主要用于分類，是一種監(jiān)督學(xué)習(xí)方法的應(yīng)用程序，即通過樣本訓(xùn)練建 立輸入輸出映射規(guī)則。訓(xùn)練樣本的形式是狂，y)，其中X為輸入向量，其中的元素需要通過 特征篩選得到，y為輸出量，是離散的數(shù)值。其訓(xùn)練原則是在輸入空間內(nèi)找到一個(gè)超平面， 使得平面兩邊的樣本y不同。由于實(shí)際輸入輸出的映射關(guān)系常常是非線性的，因此常常需 要先利用核函數(shù)將樣本映射到高維空間再訓(xùn)練。綜上，支持向量機(jī)可W用如下的優(yōu)化問題 表不：
[0006] e0,il,. . .，1.
[0007] 其中w是超平面的參數(shù)向量，C是松弛變量，C〉0是對松弛變量的懲罰因子， 口W是特征量的映射函數(shù)，b是口檻值。核函數(shù)與映射函數(shù)的關(guān)系為K(Xi，Xj) = 4)知） >咕）。主要的核函數(shù)有^下；種；線性核函數(shù);K(x。xp=x/xj;多項(xiàng)式核函數(shù)；K(x。Xj) =(丫XiXj甘），丫 > 0W及徑向基函數(shù)；K(x。Xj) =exp(-丫I|xi_Xj| |2), 丫 > 0。

【發(fā)明內(nèi)容】

[000引本發(fā)明的目的在于克服電力系統(tǒng)現(xiàn)有的暫態(tài)穩(wěn)定判斷方法計(jì)算復(fù)雜，耗時(shí)長，難W實(shí)現(xiàn)在線分析的問題，提供一種基于支持向量機(jī)的電力系統(tǒng)暫態(tài)穩(wěn)定評估判斷方法，本 發(fā)明基于數(shù)據(jù)挖掘的方法離線生成電力系統(tǒng)暫態(tài)穩(wěn)定評估規(guī)則，可W直接應(yīng)用于在線的暫 態(tài)穩(wěn)定分析，克服時(shí)域仿真法計(jì)算量大的問題，實(shí)現(xiàn)電力系統(tǒng)在線的暫態(tài)穩(wěn)定性的判斷。
[0009] 本發(fā)明提出的一種基于支持向量機(jī)的電力系統(tǒng)暫態(tài)穩(wěn)定判斷方法，特征在于，該 方法利用逐輪尋優(yōu)確定SVM的輸入特征量集合，進(jìn)而通過SVM建立暫態(tài)穩(wěn)定評估規(guī)則，實(shí)現(xiàn) 實(shí)現(xiàn)電力系統(tǒng)在線的暫態(tài)穩(wěn)定評估。
[0010] 本發(fā)明的方法包括W下步驟：
[ocm] 1)確定輸入向量元素的備選集、輸入向量元素個(gè)數(shù)、SVM的核函數(shù)和訓(xùn)練參數(shù)：
[0012] 輸入向量備選集通常是電力系統(tǒng)中的相關(guān)電氣信息，如母線電壓、線路功率等，輸 入向量元素的備選集的元素個(gè)數(shù)設(shè)為F，輸入向量元素個(gè)數(shù)N的目標(biāo)值為M，M取值等于或 大于發(fā)電機(jī)的臺(tái)數(shù)（數(shù)目越大效果越好，但計(jì)算量會(huì)增大），N的初始值為0,確定SVM的核 函數(shù)和訓(xùn)練參數(shù)；
[0013] 2)生成訓(xùn)練樣本和測試樣本：
[0014] 通過電力系統(tǒng)暫態(tài)穩(wěn)定仿真或歷史的故障記錄得到訓(xùn)練樣本和測試樣本，所述兩 種樣本的輸入信息包含輸入向量備選集中的所有信息，兩種樣本的輸出為電力系統(tǒng)的暫態(tài) 穩(wěn)定性的柄記：如1表不穩(wěn)定，0表不不穩(wěn)定；
[0015] 3)將備選集中的所有元素逐一加入到輸入向量中，用該輸入向量作為訓(xùn)練樣本和 測試樣本的輸入向量，用訓(xùn)練樣本訓(xùn)練SVM:
[0016] 將備選集中的第i個(gè)元素加入原輸入向量（i= 1，2,…，巧得到新的輸入向量， 作為訓(xùn)練樣本和測試樣本的輸入向量，用訓(xùn)練樣本訓(xùn)練SVM，得到訓(xùn)練準(zhǔn)確率，用測試樣 本檢驗(yàn)生成規(guī)則的準(zhǔn)確性，得到測試準(zhǔn)確率，將上述兩種準(zhǔn)確率的平均值記為A(i)i= 1，2,…，F(xiàn);
[0017] 4)確定使得SVM分類準(zhǔn)確率最高的備選集元素：
[001引取A(i)中的最大值對應(yīng)的備選集元素，加入輸入向量中，令N=化1 ;
[0019] 5)判斷特征選擇計(jì)算是否結(jié)束并確定輸入向量
[0020] 判斷N是否等于M;若N=M則轉(zhuǎn)步驟6);否則返回步驟如；
[0021] 6)SVM訓(xùn)練和規(guī)則生成：
[002引利用W得到的輸入向量再訓(xùn)練SVM，SVM的訓(xùn)練結(jié)果作為用于對電力系統(tǒng)暫態(tài)穩(wěn) 定判斷的規(guī)則。
[0023] 于是問題得到了解決。
[0024] 本發(fā)明的特點(diǎn)及有益效果：
[0025] 本發(fā)明利用利用逐輪尋優(yōu)確定SVM的輸入特征量集合，進(jìn)而通過SVM建立電力系 統(tǒng)暫態(tài)穩(wěn)定評估規(guī)則，克服時(shí)域仿真法計(jì)算量大的問題，實(shí)現(xiàn)電力系統(tǒng)在線的暫態(tài)穩(wěn)定評 估。能夠用盡量少的輸入特征量訓(xùn)練得到準(zhǔn)確率盡量高的分類規(guī)則，有利于將分類規(guī)則轉(zhuǎn) 化為便于運(yùn)行人員理解的電力系統(tǒng)安全穩(wěn)定指標(biāo)，有利于運(yùn)行人員及時(shí)全面掌握大規(guī)模電 力系統(tǒng)的安全穩(wěn)定情況。具體而言，有W下優(yōu)點(diǎn)：
[0026] 1)本發(fā)明的計(jì)算方法能夠大大減少輸入特征量的數(shù)目，同時(shí)保證較高的分類準(zhǔn)確 率。
[0027] 2)本發(fā)明能夠給出較為準(zhǔn)確系統(tǒng)暫態(tài)穩(wěn)定評估結(jié)果。
[002引3)本發(fā)明計(jì)算方法簡單，相比于原有的時(shí)域仿真法，更易于在實(shí)際系統(tǒng)中在線應(yīng) 用。
[0029] 本發(fā)明提出的基于SVM的電力系統(tǒng)暫態(tài)穩(wěn)定評估規(guī)則生成的方法可W實(shí)用于我 國區(qū)域電力系統(tǒng)、省級(jí)電力系統(tǒng)等各級(jí)電力系統(tǒng)的在線安全穩(wěn)定評估，能夠幫助運(yùn)行人員 及時(shí)全面掌握大規(guī)模電力系統(tǒng)的安全穩(wěn)定情況，有力保障電網(wǎng)特性日益復(fù)雜背景下系統(tǒng)安 全穩(wěn)定運(yùn)行，促進(jìn)電網(wǎng)持續(xù)、穩(wěn)定、健康發(fā)展，有助于提高國家能源安全保障能力，具有顯著 的社會(huì)價(jià)值和經(jīng)濟(jì)價(jià)值。
【附圖說明】
[0030] 圖1為本發(fā)明的基于支持向量機(jī)的電力系統(tǒng)暫態(tài)穩(wěn)定評估規(guī)則生成方法流程框 圖。
【具體實(shí)施方式】
[003U 本發(fā)明方法利用逐輪尋優(yōu)確定支持向量機(jī)的輸入特征量集合，進(jìn)而通過SVM建立 電力系統(tǒng)暫態(tài)穩(wěn)定評估規(guī)則，實(shí)現(xiàn)電力系統(tǒng)在線的暫態(tài)穩(wěn)定評估。結(jié)合附圖及實(shí)施例詳細(xì) 說明如下：
[003引本發(fā)明提出的基于支持向量機(jī)SVM(SuppcxrtVectorMachine)的電力系統(tǒng)暫態(tài)穩(wěn) 定評估規(guī)則生成方法、其特征在于，該方法包括W下步驟：：
[003引 1)確定輸入向量元素的備選集、輸入向量元素個(gè)數(shù)、SVM的核函數(shù)和訓(xùn)練參數(shù)：
[0034] 輸入向量備選集通常是電力系統(tǒng)中的相關(guān)電氣信息，如母線電壓、線路功率等，輸 入向量元素的備選集的元素個(gè)數(shù)設(shè)為F，輸入向量元素個(gè)數(shù)N的目標(biāo)值為M，M取值等于或 大于發(fā)電機(jī)的臺(tái)數(shù)（數(shù)目越大效果越好，但計(jì)算量會(huì)增大），N的初始值為0,確定SVM的核 函數(shù)和訓(xùn)練參數(shù)；
[0035] 2)生成訓(xùn)練樣本和測試樣本；
[0036] 通過電力系統(tǒng)暫態(tài)穩(wěn)定仿真或歷史的故障記錄得到訓(xùn)練樣本和測試樣本，所述兩 種樣本的輸入信息包含輸入向量備選集中的所有信息，兩種樣本的輸出為電力系統(tǒng)的暫態(tài) 穩(wěn)定性的標(biāo)記：如1表示穩(wěn)定，0表示不穩(wěn)定；
[0037] 3)將備選集中的所有元素逐一加入到輸入向量中，用該輸入向量作為訓(xùn)練樣本和 測試樣本的輸入向量，用訓(xùn)練樣本訓(xùn)練SVM:
[003引將備選集中的第i個(gè)元素加入原輸入向量（i= 1，2,…，巧得到新的輸入向量， 作為訓(xùn)練樣本和測試樣本的輸入向量，用訓(xùn)練樣本訓(xùn)練SVM，得到訓(xùn)練準(zhǔn)確率，用測試樣 本檢驗(yàn)生成規(guī)則的準(zhǔn)確性，得到測試準(zhǔn)確率，將上述兩種準(zhǔn)確率的平均值記為A(i)i= 1，2,…，F(xiàn);
[0039] 4)確定使得SVM分類準(zhǔn)確率最高的備選集元素：
[0040] 取A(i)中的最大值對應(yīng)的備選集元素，加入輸入向量中，令N=化1 ;
[0041] 5)判斷特征選擇計(jì)算是否結(jié)束并確定輸入向量：
[00創(chuàng)判斷N是否等于M;若N=M則轉(zhuǎn)步驟6);否則返回步驟如；
[0043] 6)SVM訓(xùn)練和規(guī)則生成：
[0044] 利用5)得到的輸入向量再訓(xùn)練SVM，SVM的訓(xùn)練結(jié)果作為用于對電力系統(tǒng)暫態(tài)穩(wěn) 定判斷的規(guī)則。
[0045] 利用該SVM的訓(xùn)練結(jié)果直接應(yīng)用于在線的暫態(tài)穩(wěn)定分析，實(shí)現(xiàn)電力系統(tǒng)在線的暫 態(tài)穩(wěn)定的判斷。
【主權(quán)項(xiàng)】
1. 一種基于支持向量機(jī)的電力系統(tǒng)暫態(tài)穩(wěn)定判斷方法，其特征在于，該方法包括以下 步驟： 1) 確定輸入向量元素的備選集、輸入向量元素個(gè)數(shù)、SVM的核函數(shù)和訓(xùn)練參數(shù)： 輸入向量備選集通常是電力系統(tǒng)中的相關(guān)電氣信息，輸入向量元素的備選集的元素個(gè) 數(shù)設(shè)為F，輸入向量元素個(gè)數(shù)N的目標(biāo)值為M，M取值等于或大于發(fā)電機(jī)的臺(tái)數(shù)，N的初始值 為0,確定SVM的核函數(shù)和訓(xùn)練參數(shù)； 2) 生成訓(xùn)練樣本和測試樣本： 通過電力系統(tǒng)暫態(tài)穩(wěn)定仿真或歷史的故障記錄得到訓(xùn)練樣本和測試樣本，所述兩種樣 本的輸入信息包含輸入向量備選集中的所有信息，兩種樣本的輸出為電力系統(tǒng)的暫態(tài)穩(wěn)定 性的標(biāo)記：如1表不穩(wěn)定，0表不不穩(wěn)定； 3) 將備選集中的所有元素逐一加入到輸入向量中，用該輸入向量作為訓(xùn)練樣本和測試 樣本的輸入向量，用訓(xùn)練樣本訓(xùn)練SVM : 將備選集中的第i個(gè)元素加入原輸入向量，i = 1，2,…，F(xiàn)，得到新的輸入向量，作為訓(xùn) 練樣本和測試樣本的輸入向量，用訓(xùn)練樣本訓(xùn)練SVM，得到訓(xùn)練準(zhǔn)確率，用測試樣本檢驗(yàn)生 成規(guī)則的準(zhǔn)確性，得到測試準(zhǔn)確率，將上述兩種準(zhǔn)確率的平均值記為A (i) i = 1，2,…，F(xiàn) ; 4) 確定使得SVM分類準(zhǔn)確率最高的備選集元素： 取A(i)中的最大值對應(yīng)的備選集元素，加入輸入向量中，令N = N+1 ; 5) 判斷特征選擇計(jì)算是否結(jié)束并確定輸入向量： 判斷N是否等于M :若N = M則轉(zhuǎn)步驟6);否則返回步驟3); 6. SVM訓(xùn)練和規(guī)則生成： 利用5)得到的輸入向量再訓(xùn)練SVM，SVM的訓(xùn)練結(jié)果作為用于對電力系統(tǒng)暫態(tài)穩(wěn)定判 斷的規(guī)則；利用該SVM的訓(xùn)練結(jié)果直接應(yīng)用于在線的暫態(tài)穩(wěn)定分析，實(shí)現(xiàn)電力系統(tǒng)在線的 暫態(tài)穩(wěn)定的判斷。
【專利摘要】本發(fā)明涉及基于支持向量機(jī)的電力系統(tǒng)暫態(tài)穩(wěn)定判斷方法，屬于電力系統(tǒng)自動(dòng)化分析技術(shù)領(lǐng)域，特征在于利用逐輪尋優(yōu)確定SVM的輸入特征量集合，進(jìn)而通過SVM建立暫態(tài)穩(wěn)定評估規(guī)則。本方法包括首先確定輸入向量備選集、輸入向量元素個(gè)數(shù)、SVM的核函數(shù)和訓(xùn)練參數(shù)，然后生成訓(xùn)練樣本和測試樣本，接著將所有備選特征量逐一加入輸入特征量集合，訓(xùn)練SVM，確定使得SVM分類準(zhǔn)確率最高的特征量，進(jìn)而判斷特征量選擇計(jì)算是否結(jié)束及輸入特征量集合輸出，最后訓(xùn)練SVM并得到穩(wěn)定規(guī)則。本發(fā)明算法易于實(shí)現(xiàn)、計(jì)算量小，可應(yīng)用于我國區(qū)域電力系統(tǒng)、省級(jí)電力系統(tǒng)等各級(jí)電力系統(tǒng)的在線安全穩(wěn)定評估，有力保障電網(wǎng)特性日益復(fù)雜背景下系統(tǒng)安全穩(wěn)定運(yùn)行。
【IPC分類】G06Q50/06, G06Q10/06
【公開號(hào)】CN104881741
【申請?zhí)枴緾N201510271663
【發(fā)明人】閔勇, 胡偉, 陳磊, 張瑋靈
【申請人】清華大學(xué)
【公開日】2015年9月2日
【申請日】2015年5月25日