基于稀疏贝叶斯学习的电力系统暂态稳定评估

被引：9

作者：

段青 ^{[1
]}

赵建国 ^{[2
]}

马艳 ^{[3
]}

机构：

[1] 山东大学电气工程学院

[2] 国家电网技术学院

[3] 国核电力规划设计研究院

来源：

电力自动化设备 | 2009年 / 29卷 / 09期

关键词：

概率学习; 贝叶斯理论; 相关向量机; 支持向量机; 暂态稳定评估;

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：

介绍了基于稀疏贝叶斯学习理论的模式识别技术相关向量机及其分类器,在此基础上构建了电力系统暂态稳定评估模型。以EPRI36电力系统暂态稳定仿真数据为例,在相同的数据输入和相同的仿真环境下同时构建相关向量机和支持向量机2种暂态稳定评估模型。仿真预测计算显示,作为一种全新的概率学习模型,相关向量机不仅得到了比支持向量机更高的预测精确度,而且还能得到支持向量机无法完成的概率性预测和更高的稀疏性计算。

引用

收藏

页码：36 / 40

页数：5

相关论文

共 19 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] 基于支持向量机的暂态稳定分类中的特征选择 [J].

向丽萍 ;

王晓红 ;

王建 ;

项杨 ;

谢桦 ;

王晓茹 .

继电器, 2007, (09) :17-21

[3] 基于聚类的支持向量回归模型在电力系统暂态稳定预测中的应用 [J].

李大虎 ;

江全元 ;

曹一家 .

电工技术学报, 2006, (07) :75-80

[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] 复合神经网络在电力系统暂态稳定评估中的应用 [J].

汤必强 ;

邓长虹 ;

刘丽芳 .

电网技术, 2004, (15) :62-66

[6] 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

[7] 改进主成分分析法用于暂态稳定评估的输入特征选择 [J].

于之虹 ;

郭志忠 .

电力自动化设备, 2003, (08) :17-21

[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] 基于人工神经网络与遗传算法的暂态稳定评估 [J].

仇向东 ;

禹成七 ;

龚仁敏 .

华北电力大学学报, 2002, (03) :48-51

[10] 基于Tabu搜索技术的暂态稳定分类神经网络的输入特征选择 [J].

顾雪平 ;

张文朝 .

中国电机工程学报, 2002, (07) :66-70