基于集成OS-ELM的暂态稳定评估方法

被引：17

作者：

李扬 ^{[1
]}

李国庆 ^{[1
]}

顾雪平 ^{[2
]}

张艳军 ^{[3
]}

韩子娇 ^{[3
]}

机构：

[1] 东北电力大学电气工程学院

[2] 华北电力大学电气与电子工程学院

[3] 国网辽宁省电力有限公司

来源：

电工技术学报 | 2015年 / 30卷 / 14期

关键词：

暂态稳定评估; 极限学习机; 在线学习; 集成学习; 广域测量系统;

D O I：

10.19595/j.cnki.1000-6753.tces.2015.14.055

中图分类号：

TM712 [电力系统稳定];

学科分类号：

080802 ;

摘要：

针对现有基于模式识别的暂态评估方法无法在线学习的不足,本文研究了一种基于集成在线序贯极限学习机(OS-ELM)的暂态稳定评估方法。首先,使用基于增量式学习的OS-ELM作为弱分类器,然后采用在线Boosting算法进行集成进一步提高评估模型的稳定性和泛化能力,实现评估模型的在线更新。基于新英格兰39节点系统的算例结果验证了所提方法的有效性。

引用

收藏

页码：412 / 418

页数：7

相关论文

共 12 条

[1] 基于改进最大相关最小冗余判据的暂态稳定评估特征选择 [J].

李扬 ;

顾雪平 .

中国电机工程学报, 2013, 33 (34) :179-186+27

[2] 基于局部学习机和细菌群体趋药性算法的电力系统暂态稳定评估 [J].

顾雪平 ;

李扬 ;

吴献吉 .

电工技术学报, 2013, 28 (10) :271-279

[3] 选择性集成学习算法综述 [J].

张春霞 ;

张讲社 .

计算机学报, 2011, 34 (08) :1399-1410

[4] 基于受扰严重机组特征及机器学习方法的电力系统暂态稳定评估 [J].

叶圣永 ;

王晓茹 ;

刘志刚 ;

钱清泉 .

中国电机工程学报, 2011, 31 (01) :46-51

[5]

Application of Online SVR in Very Short-Term Load Forecasting[J] . Yang Li,Xue-Ping Gu.International Review of Electrical Engineering IR . 2013 (1)

[6]

Ensemble of online sequential extreme learning machine[J] . Yuan Lan,Yeng Chai Soh,Guang-Bin Huang.Neurocomputing . 2009 (13)

[7] Efficient backpropagation learning using optimal learning rate and momentum [J].

Yu, XH ;

Chen, GA .

NEURAL NETWORKS, 1997, 10 (03) :517-527

[8] A decision-theoretic generalization of on-line learning and an application to boosting [J].

Freund, Y ;

Schapire, RE .

JOURNAL OF COMPUTER AND SYSTEM SCIENCES, 1997, 55 (01) :119-139

[9] A sequential learning scheme for function approximation using minimal radial basis function neural networks [J].

Lu, YW ;

Sundararajan, N ;

Saratchandran, P .

NEURAL COMPUTATION, 1997, 9 (02) :461-478

[10] Cryptographic limitations on learning Boolean formulae and finite automata [J].

Kearns, Michael ;

Valiant, Leslie .

Journal of the ACM, 1994, 41 (01) :67-95