基于蚁群优化算法的电力系统暂态稳定评估特征选择

被引：11

作者：

王海燕

刘天琪

李兴源

陈烨

机构：

[1] 四川大学电气信息学院

来源：

电力系统保护与控制 | 2008年 / 21期

关键词：

电力系统; 暂态稳定评估; 特征选择; 蚁群优化; 支持向量机;

D O I：

暂无

中图分类号：

TM712 [电力系统稳定];

学科分类号：

080802 ;

摘要：

暂态稳定评估的特征选择是一个典型的组合优化问题。针对该问题解的离散性特点,提出基于蚁群优化算法的特征选择方法。该方法以最小二乘支持向量机作为暂态稳定评估分类器,以分类错误率最低和特征选择比率最小为优化目标,通过二进制编码形式的蚁群优化算法实现特征的选择。这样能选择出计及分类器特性的最优特征子集,减少了特征维数,提高了分类正确率。通过对综合程序EPRI-36节点系统的仿真计算,验证了该方法的有效性。

引用

收藏

页码：1 / 6

页数：6

相关论文

共 13 条

[1] 基于信息融合技术的电力系统暂态稳定评估 [J].

黄辉 ;

舒乃秋 ;

李自品 ;

李玲 ;

裴春明 .

中国电机工程学报, 2007, (16) :19-23

[2] 基于二进粒子群优化算法的暂态稳定评估特征选择 [J].

陈磊 ;

刘天琪 ;

文俊 .

继电器, 2007, (01) :31-36+50

[3] 广义粒子群优化模型 [J].

高海兵 ;

周驰 ;

高亮 .

计算机学报, 2005, (12) :1980-1987

[4] 多输入特征融合的组合支持向量机电力系统暂态稳定评估 [J].

马骞 ;

杨以涵 ;

刘文颖 ;

齐郑 ;

郭金智 .

中国电机工程学报, 2005, (06) :20-26

[5] 基于支持向量机的电力系统暂态稳定分类研究 [J].

刘艳芳 ;

顾雪平 .

华北电力大学学报, 2004, (03) :26-29+55

[6] 遗传算法在暂态稳定评估输入特征选择中的应用 [J].

于之虹 ;

郭志忠 .

继电器, 2004, (01) :16-20

[7] 基于统计学习理论的电力系统暂态稳定评估 [J].

许涛 ;

贺仁睦 ;

王鹏 ;

徐东杰 .

中国电机工程学报, 2003, (11) :55-59

[8] 神经网络在暂态稳定评估中应用的研究述评 [J].

顾雪平 ;

曹绍杰 .

华北电力大学学报, 2003, (04) :11-16

[9] 基于广义蚁群算法的电力系统经济负荷分配 [J].

侯云鹤 ;

熊信艮 ;

吴耀武 ;

鲁丽娟 .

中国电机工程学报, 2003, (03) :59-64

[10] 基于蚁群优化算法的机组最优投入 [J].

郝晋 ;

石立宝 ;

周家启 ;

徐国禹 .

电网技术, 2002, (11) :26-31