CN104881741B - 基于支持向量机的电力系统暂态稳定判断方法 - Google Patents
基于支持向量机的电力系统暂态稳定判断方法 Download PDFInfo
- Publication number
- CN104881741B CN104881741B CN201510271663.1A CN201510271663A CN104881741B CN 104881741 B CN104881741 B CN 104881741B CN 201510271663 A CN201510271663 A CN 201510271663A CN 104881741 B CN104881741 B CN 104881741B
- Authority
- CN
- China
- Prior art keywords
- svm
- input vector
- power system
- training
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000001052 transient effect Effects 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000012706 support-vector machine Methods 0.000 title claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 40
- 238000012360 testing method Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 abstract description 12
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000013097 stability assessment Methods 0.000 abstract description 2
- 238000013507 mapping Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000000205 computational method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Abstract
本发明涉及基于支持向量机的电力系统暂态稳定判断方法,属于电力系统自动化分析技术领域,特征在于利用逐轮寻优确定SVM的输入特征量集合,进而通过SVM建立暂态稳定评估规则。本方法包括首先确定输入向量备选集、输入向量元素个数、SVM的核函数和训练参数,然后生成训练样本和测试样本,接着将所有备选特征量逐一加入输入特征量集合,训练SVM,确定使得SVM分类准确率最高的特征量,进而判断特征量选择计算是否结束及输入特征量集合输出,最后训练SVM并得到稳定规则。本发明算法易于实现、计算量小,可应用于我国区域电力系统、省级电力系统等各级电力系统的在线安全稳定评估,有力保障电网特性日益复杂背景下系统安全稳定运行。
Description
技术领域
本发明属于电力系统调度自动化技术领域,特别涉及一种基于支持向量机的电力系统暂态稳定判断方法。
背景技术
电力系统暂态稳定分析用于发现电力系统运行的潜在隐患,指导电力系统安全稳定控制,是电力系统正常运行的重要环节。目前,电力系统中采用的暂态稳定分析方法为时域仿真法,该方法计算复杂,耗时长,难以实现在线的分析计算。
支持向量机主要用于分类,是一种监督学习方法的应用程序,即通过样本训练建立输入输出映射规则。训练样本的形式是(X,y),其中X为输入向量,其中的元素需要通过特征筛选得到,y为输出量,是离散的数值。其训练原则是在输入空间内找到一个超平面,使得平面两边的样本y不同。由于实际输入输出的映射关系常常是非线性的,因此常常需要先利用核函数将样本映射到高维空间再训练。综上,支持向量机可以用如下的优化问题表示:
ζi≥0,i1,...,l.
其中w是超平面的参数向量,ζ是松弛变量,C>0是对松弛变量的惩罚因子,是特征量的映射函数,b是门槛值。核函数与映射函数的关系为K(xi,xj)=φ(xi)Tφ(xj)。主要的核函数有以下三种:线性核函数:K(xi,xj)=xi Txj;多项式核函数:K(xi,xj)=(γxixj+r),γ>0以及径向基函数:K(xi,xj)=exp(-γ||xi-xj||2),γ>0。
发明内容
本发明的目的在于克服电力系统现有的暂态稳定判断方法计算复杂,耗时长,难以实现在线分析的问题,提供一种基于支持向量机的电力系统暂态稳定评估判断方法,本发明基于数据挖掘的方法离线生成电力系统暂态稳定评估规则,可以直接应用于在线的暂态稳定分析,克服时域仿真法计算量大的问题,实现电力系统在线的暂态稳定性的判断。
本发明提出的一种基于支持向量机的电力系统暂态稳定判断方法,特征在于,该方法利用逐轮寻优确定SVM的输入特征量集合,进而通过SVM建立暂态稳定评估规则,实现实现电力系统在线的暂态稳定评估。
本发明的方法包括以下步骤:
1)确定输入向量元素的备选集、输入向量元素个数、SVM的核函数和训练参数:
输入向量备选集通常是电力系统中的相关电气信息,如母线电压、线路功率等,输入向量元素的备选集的元素个数设为F,输入向量元素个数N的目标值为M,M取值等于或大于发电机的台数(数目越大效果越好,但计算量会增大),N的初始值为0,确定SVM的核函数和训练参数;
2)生成训练样本和测试样本:
通过电力系统暂态稳定仿真或历史的故障记录得到训练样本和测试样本,所述两种样本的输入信息包含输入向量备选集中的所有信息,两种样本的输出为电力系统的暂态稳定性的标记:如1表示稳定,0表示不稳定;
3)将备选集中的所有元素逐一加入到输入向量中,用该输入向量作为训练样本和测试样本的输入向量,用训练样本训练SVM:
将备选集中的第i个元素加入原输入向量(i=1,2,…,F)得到新的输入向量,作为训练样本和测试样本的输入向量,用训练样本训练SVM,得到训练准确率,用测试样本检验生成规则的准确性,得到测试准确率,将上述两种准确率的平均值记为A(i)i=1,2,…,F;
4)确定使得SVM分类准确率最高的备选集元素:
取A(i)中的最大值对应的备选集元素,加入输入向量中,令N=N+1;
5)判断特征选择计算是否结束并确定输入向量
判断N是否等于M:若N=M则转步骤6);否则返回步骤3);
6)SVM训练和规则生成:
利用5)得到的输入向量再训练SVM,SVM的训练结果作为用于对电力系统暂态稳定判断的规则。
于是问题得到了解决。
本发明的特点及有益效果:
本发明利用利用逐轮寻优确定SVM的输入特征量集合,进而通过SVM建立电力系统暂态稳定评估规则,克服时域仿真法计算量大的问题,实现电力系统在线的暂态稳定评估。能够用尽量少的输入特征量训练得到准确率尽量高的分类规则,有利于将分类规则转化为便于运行人员理解的电力系统安全稳定指标,有利于运行人员及时全面掌握大规模电力系统的安全稳定情况。具体而言,有以下优点:
1)本发明的计算方法能够大大减少输入特征量的数目,同时保证较高的分类准确率。
2)本发明能够给出较为准确系统暂态稳定评估结果。
3)本发明计算方法简单,相比于原有的时域仿真法,更易于在实际系统中在线应用。
本发明提出的基于SVM的电力系统暂态稳定评估规则生成的方法可以实用于我国区域电力系统、省级电力系统等各级电力系统的在线安全稳定评估,能够帮助运行人员及时全面掌握大规模电力系统的安全稳定情况,有力保障电网特性日益复杂背景下系统安全稳定运行,促进电网持续、稳定、健康发展,有助于提高国家能源安全保障能力,具有显著的社会价值和经济价值。
附图说明
图1为本发明的基于支持向量机的电力系统暂态稳定评估规则生成方法流程框图。
具体实施方式
本发明方法利用逐轮寻优确定支持向量机的输入特征量集合,进而通过SVM建立电力系统暂态稳定评估规则,实现电力系统在线的暂态稳定评估。结合附图及实施例详细说明如下:
本发明提出的基于支持向量机SVM(Support Vector Machine)的电力系统暂态稳定评估规则生成方法、其特征在于,该方法包括以下步骤::
1)确定输入向量元素的备选集、输入向量元素个数、SVM的核函数和训练参数:
输入向量备选集通常是电力系统中的相关电气信息,如母线电压、线路功率等,输入向量元素的备选集的元素个数设为F,输入向量元素个数N的目标值为M,M取值等于或大于发电机的台数(数目越大效果越好,但计算量会增大),N的初始值为0,确定SVM的核函数和训练参数;
2)生成训练样本和测试样本:
通过电力系统暂态稳定仿真或历史的故障记录得到训练样本和测试样本,所述两种样本的输入信息包含输入向量备选集中的所有信息,两种样本的输出为电力系统的暂态稳定性的标记:如1表示稳定,0表示不稳定;
3)将备选集中的所有元素逐一加入到输入向量中,用该输入向量作为训练样本和测试样本的输入向量,用训练样本训练SVM:
将备选集中的第i个元素加入原输入向量(i=1,2,…,F)得到新的输入向量,作为训练样本和测试样本的输入向量,用训练样本训练SVM,得到训练准确率,用测试样本检验生成规则的准确性,得到测试准确率,将上述两种准确率的平均值记为A(i)i=1,2,…,F;
4)确定使得SVM分类准确率最高的备选集元素:
取A(i)中的最大值对应的备选集元素,加入输入向量中,令N=N+1;
5)判断特征选择计算是否结束并确定输入向量:
判断N是否等于M:若N=M则转步骤6);否则返回步骤3);
6)SVM训练和规则生成:
利用5)得到的输入向量再训练SVM,SVM的训练结果作为用于对电力系统暂态稳定判断的规则。
利用该SVM的训练结果直接应用于在线的暂态稳定分析,实现电力系统在线的暂态稳定的判断。
Claims (1)
1.一种基于支持向量机的电力系统暂态稳定判断方法,其特征在于,该方法包括以下步骤:
1)确定输入向量元素的备选集、输入向量元素个数、SVM的核函数和训练参数:
输入向量备选集是电力系统中的相关电气信息,输入向量元素的备选集的元素个数设为F,输入向量元素个数N的目标值为M,M取值等于或大于发电机的台数,N的初始值为0,确定SVM的核函数和训练参数;
2)生成训练样本和测试样本:
通过电力系统暂态稳定仿真或历史的故障记录得到训练样本和测试样本,所述两种样本的输入信息包含输入向量备选集中的所有信息,两种样本的输出为电力系统的暂态稳定性的标记:1表示稳定,0表示不稳定;
3)将备选集中的所有元素逐一加入到输入向量中,用该输入向量作为训练样本和测试样本的输入向量,用训练样本训练SVM:
将备选集中的第i个元素加入原输入向量,i=1,2,…,F,得到新的输入向量,作为训练样本和测试样本的输入向量,用训练样本训练SVM,得到训练准确率,用测试样本检验生成规则的准确性,得到测试准确率,将上述两种准确率的平均值记为A(i)i=1,2,…,F;
4)确定使得SVM分类准确率最高的备选集元素:
取A(i)中的最大值对应的备选集元素,加入输入向量中,令N=N+1;
5)判断特征选择计算是否结束并确定输入向量:
判断N是否等于M:若N=M则转步骤6);否则返回步骤3);
6)SVM训练和规则生成:
利用5)得到的输入向量再训练SVM,SVM的训练结果作为用于对电力系统暂态稳定判断的规则;利用该SVM的训练结果直接应用于在线的暂态稳定分析,实现电力系统在线的暂态稳定的判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510271663.1A CN104881741B (zh) | 2015-05-25 | 2015-05-25 | 基于支持向量机的电力系统暂态稳定判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510271663.1A CN104881741B (zh) | 2015-05-25 | 2015-05-25 | 基于支持向量机的电力系统暂态稳定判断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104881741A CN104881741A (zh) | 2015-09-02 |
CN104881741B true CN104881741B (zh) | 2017-12-12 |
Family
ID=53949228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510271663.1A Active CN104881741B (zh) | 2015-05-25 | 2015-05-25 | 基于支持向量机的电力系统暂态稳定判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104881741B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503279B (zh) * | 2015-09-06 | 2019-07-09 | 中国电力科学研究院 | 一种用于电力系统暂态稳定评估的建模方法 |
CN105512799B (zh) * | 2015-11-26 | 2022-12-30 | 中国电力科学研究院 | 一种基于海量在线历史数据的电力系统暂态稳定评估方法 |
CN105512808A (zh) * | 2015-11-30 | 2016-04-20 | 武汉大学 | 一种面向大数据的电力系统暂态稳定评估方法 |
CN108879732B (zh) * | 2018-08-02 | 2020-07-07 | 清华大学 | 电力系统暂态稳定评估方法及装置 |
CN109033702A (zh) * | 2018-08-23 | 2018-12-18 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种基于卷积神经网络cnn的电力系统暂态电压稳定评估方法 |
CN109193703A (zh) * | 2018-11-02 | 2019-01-11 | 国网四川省电力公司电力科学研究院 | 考虑类别不均衡性的电力系统暂态稳定关键特征选择方法 |
CN112419098B (zh) * | 2020-12-10 | 2024-01-30 | 清华大学 | 基于安全信息熵的电网安全稳定仿真样本筛选扩充方法 |
CN116992255A (zh) * | 2023-07-13 | 2023-11-03 | 华北电力大学 | 一种暂态电压稳定特征量的筛选方法、系统及电子设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268576A (zh) * | 2014-10-11 | 2015-01-07 | 国家电网公司 | 一种基于tnn-svm的电力系统暂态稳定分类方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7531137B2 (en) * | 2004-04-30 | 2009-05-12 | Honeywell International Inc. | Substance detection system |
-
2015
- 2015-05-25 CN CN201510271663.1A patent/CN104881741B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268576A (zh) * | 2014-10-11 | 2015-01-07 | 国家电网公司 | 一种基于tnn-svm的电力系统暂态稳定分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104881741A (zh) | 2015-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104881741B (zh) | 基于支持向量机的电力系统暂态稳定判断方法 | |
CN105098763B (zh) | 一种基于wams和ems的暂态电压稳定在线评估方法 | |
TW201947510A (zh) | 保險業務風險預測的處理方法、裝置及處理設備 | |
CN103106535B (zh) | 一种基于神经网络解决协同过滤推荐数据稀疏性的方法 | |
Safdarian et al. | A new formulation for power system reliability assessment with AC constraints | |
Hasan | Revitalizing the Electric Grid: A Machine Learning Paradigm for Ensuring Stability in the USA | |
CN103033716B (zh) | 一种电网综合负荷模型中各负荷成分所占比例的计算方法 | |
CN114723285B (zh) | 一种电网设备安全性评估预测方法 | |
Xu et al. | A decision tree-based on-line preventive control strategy for power system transient instability prevention | |
CN110348674A (zh) | 一种电网风险评估方法、系统和计算机可读存储介质 | |
Marshall et al. | Assessing wholesale competition in the Australian national electricity market | |
Hosseini et al. | New approach to transient stability prediction of power systems in wide area measurement systems based on multiple‐criteria decision making theory | |
da Cunha et al. | Small-signal stability analysis in smart grids: An approach based on distributed decision trees | |
CN112508200A (zh) | 处理机器学习模型文件的方法、装置、设备、介质和程序 | |
Song et al. | Dynamic thermal line rating model of conductor based on prediction of meteorological parameters | |
Lin et al. | RLOPF (risk-limiting optimal power flow) for systems with high penetration of wind power | |
CN106356994A (zh) | 一种基于电网pmu大数据的电网稳定性判别方法 | |
CN106447172A (zh) | 一种基于pms台账的数据校验方法及系统 | |
CN106059065B (zh) | 基于在值控制措施的安全稳定自适应紧急控制决策方法 | |
CN111130098B (zh) | 一种含分布式电源配电网系统风险评估方法 | |
CN105184170A (zh) | 一种基于形式化程度的领域软件可信性评估方法 | |
CN113794198A (zh) | 抑制宽频振荡的方法、装置、终端及存储介质 | |
CN113112311A (zh) | 训练因果推断模型的方法、信息提示方法以装置 | |
CN107832915A (zh) | 一种稳控策略的e格式文件自动生成方法 | |
CN112835007B (zh) | 点云数据转换方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20160214 Address after: 310007 Huanglong Road, Zhejiang, Hangzhou, No. 8 Applicant after: State Grid Zhejiang Electric Power Company Applicant after: State Grid Corporation of China Applicant after: Tsinghua University Address before: 100084 Haidian District Tsinghua Yuan Beijing No. 1 Applicant before: Tsinghua University |
|
GR01 | Patent grant | ||
GR01 | Patent grant |