采用FJPD互信息的电力系统暂态稳定性预测特征选择分析

被引：12

作者：

刘俊 ^{[1
]}

王旭 ^{[2
]}

孙惠文 ^{[1
]}

牛拴保 ^{[3
]}

张振宇 ^{[3
]}

机构：

[1] 陕西省智能电网重点实验室西安交通大学电气工程学院

[2] 国网江苏省电力公司电力科学研究院

[3] 国家电网公司西北分部

来源：

智慧电力 | 2018年 / 46卷 / 10期

关键词：

机器学习; 暂态稳定性预测; 轨迹变量; FJPD互信息; mRMR;

D O I：

暂无

中图分类号：

TM712 [电力系统稳定];

学科分类号：

080802 [电力系统及其自动化];

摘要：

广域测量系统和模式识别技术的日趋发展,为实现基于人工智能的电力系统暂态稳定性预测提供了技术和理论基础,但传统基于机器学习的暂态稳定性预测对输入特征的选择和分析仍考虑不足。通过对系统暂态过程的分析,研究各轨迹变量与暂态稳定性之间的相关性。综合考虑数据采集时间和学习机的精度,提取故障完全切除后5个周期内节点电压幅值和发电机功角、转子转速轨迹作为学习机的输入。进而提出一种适合轨迹变量特征分析的特征联合概率分布(FJPD)互信息计算方法,利用最小冗余最大相关(mRMR)原则对学习机的输入特征进行选取,实现数据的降维、减少计算量、保持预测精度,并保留特征的物理意义。对10机39节点系统的仿真样本进行学习机的训练和测试,验证了提出的基于FJPD互信息的mRMR方法对轨迹特征选择的有效性。

引用

页码：78 / 85+95 +95

页数：9

共 19 条

[1]

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 [J].