【摘要】：為了提高支持向量機(jī)(Support Vector Machine,SVM)的分類(lèi)性能,提出了根據(jù)關(guān)鍵樣本集構(gòu)造的SVM綜合分類(lèi)模型進(jìn)行電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估的方法。給出了基于不同特征量的SVM綜合分類(lèi)模型的構(gòu)建方法、關(guān)鍵樣本集的產(chǎn)生方法以及基于綜合分類(lèi)模型和關(guān)鍵樣本集的SVM分類(lèi)步驟。采用3機(jī)9節(jié)點(diǎn)典型算例和某省級(jí)電網(wǎng)算例進(jìn)行分類(lèi)效果分析。分析結(jié)果表明,所提出的基于SVM綜合分類(lèi)模型和關(guān)鍵樣本集的方法,相較于傳統(tǒng)SVM方法,大幅度減少了將不穩(wěn)定樣本判定為穩(wěn)定的漏分類(lèi)數(shù),提高了SVM方法的實(shí)用性。所提出的基于關(guān)鍵樣本集構(gòu)造分類(lèi)模型的思路對(duì)于其他數(shù)據(jù)挖掘方法也有一定的借鑒意義。
[Abstract]:In order to improve the classification performance of support vector machine (Support Vector Machine,SVM), a method of power system transient stability evaluation based on the SVM comprehensive classification model constructed from the key set of samples is proposed. The construction method of SVM comprehensive classification model based on different characteristic quantities, the generation method of key sample set and the SVM classification step based on the comprehensive classification model and the key sample set are presented. The classification effect is analyzed by using 3-machine 9-node typical example and a provincial power grid example. The results show that compared with the traditional SVM method, the proposed method based on the SVM comprehensive classification model and the key sample set greatly reduces the missing classification number which determines the unstable samples to be stable, and improves the practicability of the SVM method. The idea of constructing classification model based on the key sample set is also useful for other data mining methods.
【作者單位】： 電網(wǎng)安全與節(jié)能?chē)?guó)家重點(diǎn)實(shí)驗(yàn)室(中國(guó)電力科學(xué)研究院);
【基金】：國(guó)家電網(wǎng)公司科技項(xiàng)目(5442xt170016)~~
【分類(lèi)號(hào)】：TM712

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王智銳;唐汝寧;;基于支持向量機(jī)算法的空調(diào)負(fù)荷預(yù)測(cè)及實(shí)驗(yàn)研究[J];制冷技術(shù);2013年04期

2 徐蓓蓓;蔣鐵錚;易宏;;三種基于支持向量機(jī)風(fēng)速預(yù)測(cè)方法對(duì)比研究[J];電氣技術(shù);2012年05期

3 趙永輝;劉友寬;朱全聰;楊文杰;;支持向量機(jī)在電力系統(tǒng)中的應(yīng)用[J];儀器儀表用戶(hù);2012年06期

4 高尚;梅亮;;基于支持向量機(jī)的電價(jià)組合預(yù)測(cè)模型[J];電力自動(dòng)化設(shè)備;2008年11期

5 鄭華文;曹衍龍;楊將新;何元峰;方力先;謝永誠(chéng);;基于支持向量機(jī)的核電站松動(dòng)件質(zhì)量估計(jì)方法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2010年08期

6 周松林;茆美琴;蘇建徽;;基于小波分析與支持向量機(jī)的風(fēng)速預(yù)測(cè)[J];太陽(yáng)能學(xué)報(bào);2012年03期

7 吳鈺;王杰;;綜合最優(yōu)灰色支持向量機(jī)模型在季節(jié)型電力負(fù)荷預(yù)測(cè)中的應(yīng)用[J];華東電力;2012年01期

8 全睿;全書(shū)海;黃亮;謝長(zhǎng)君;;基于支持向量機(jī)的車(chē)用燃料電池系統(tǒng)故障診斷[J];振動(dòng).測(cè)試與診斷;2012年01期

9 黎特;皮薇;;支持向量機(jī)模型改進(jìn)及在短期邊際電價(jià)預(yù)測(cè)中的應(yīng)用[J];國(guó)網(wǎng)技術(shù)學(xué)院學(xué)報(bào);2013年05期

10 吳鈺;王杰;;基于加權(quán)最小二乘支持向量機(jī)的月度負(fù)荷預(yù)測(cè)[J];水電能源科學(xué);2012年05期

相關(guān)會(huì)議論文 前7條

1 肖懷寶;逯貴禎;李彥霏;;基于支持向量機(jī)的電磁參數(shù)提取方法研究[A];2009年全國(guó)天線年會(huì)論文集（下）[C];2009年

2 石亞欣;;基于支持向量機(jī)的風(fēng)速周期預(yù)測(cè)模型[A];智能化電站技術(shù)發(fā)展研討?hù)唠娬咀詣?dòng)化2013年會(huì)論文集[C];2013年

3 伍敏;蘇鵬宇;劉金福;于達(dá)仁;;基于RVM和SVM的風(fēng)速預(yù)測(cè)研究[A];2012電站自動(dòng)化信息化學(xué)術(shù)和技術(shù)交流會(huì)議論文集[C];2012年

4 王永春;;一種復(fù)合的支持向量機(jī)模型在電力系統(tǒng)短期負(fù)荷中的應(yīng)用[A];第十屆全國(guó)電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

5 呂剛;范瑜;;基于最小二乘廣義支持向量機(jī)的永磁直線同步電動(dòng)機(jī)建模[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊(cè)）[C];2005年

6 林茂六;華曉杰;;基于支持向量機(jī)的大信號(hào)射頻功率器件頻域特征模型回歸分析[A];第十七屆全國(guó)測(cè)控計(jì)量?jī)x器儀表學(xué)術(shù)年會(huì)（MCMI'2007）論文集（上冊(cè)）[C];2007年

7 周曙光;孟慶虎;孟慶豐;;基于支持向量機(jī)的核島主泵狀態(tài)預(yù)測(cè)[A];2008年全國(guó)振動(dòng)工程及應(yīng)用學(xué)術(shù)會(huì)議暨第十一屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2008年

相關(guān)博士學(xué)位論文 前4條

1 王瑜;基于支持向量機(jī)和多信息融合的局部放電故障診斷研究[D];華北電力大學(xué);2015年

2 周葉;基于新異類(lèi)檢測(cè)和支持向量機(jī)的水電機(jī)組診斷技術(shù)研究[D];中國(guó)水利水電科學(xué)研究院;2015年

3 鞠魯峰;基于支持向量機(jī)建模的永磁球形電機(jī)的優(yōu)化設(shè)計(jì)研究[D];合肥工業(yè)大學(xué);2015年

4 肖燕彩;支持向量機(jī)在變壓器狀態(tài)評(píng)估中的應(yīng)用研究[D];北京交通大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 李勝剛;基于支持向量機(jī)的短期風(fēng)電功率預(yù)測(cè)[D];湖南工業(yè)大學(xué);2015年

2 孫亭亭;基于支持向量機(jī)的燃煤機(jī)組燃燒優(yōu)化算法的研究[D];山東大學(xué);2015年

3 邢校萄;支持向量機(jī)在短期光伏發(fā)電功率預(yù)測(cè)中的應(yīng)用[D];華北電力大學(xué);2015年

4 吳康;基于新疆風(fēng)帶運(yùn)行規(guī)律的風(fēng)電功率預(yù)測(cè)[D];新疆大學(xué);2015年

5 胡讓;風(fēng)力發(fā)電機(jī)葉片故障診斷研究及實(shí)現(xiàn)[D];蘭州交通大學(xué);2015年

6 高偉;基于最小二乘支持向量機(jī)的風(fēng)電功率短期預(yù)測(cè)研究[D];華中科技大學(xué);2014年

7 姜山;基于支持向量機(jī)的高壓線路故障原因辨識(shí)[D];華北電力大學(xué)(北京);2016年

8 劉達(dá);基于支持向量機(jī)的風(fēng)電機(jī)組故障智能分類(lèi)方法及其應(yīng)用[D];華北電力大學(xué)(北京);2016年

9 賀文鑫;基于支持向量機(jī)的制粉系統(tǒng)優(yōu)化控制研究[D];長(zhǎng)沙理工大學(xué);2015年

10 謝勇;基于支持向量機(jī)的輸電線覆冰預(yù)測(cè)研究[D];西華大學(xué);2016年

，

本文編號(hào)：2396898