基于MC-LSSVM的电网风险评估方法

被引：14

作者：

智勇 ^{[1
]}

祁莹 ^{[1
]}

郝如海 ^{[1
]}

拜润卿 ^{[1
]}

梁志远 ^{[2
]}

龚庆武 ^{[2
]}

王誉博 ^{[2
]}

机构：

[1] 国网甘肃省电力公司电力科学研究院

[2] 武汉大学电气与自动化学院

来源：

武汉大学学报(工学版) | 2020年 / 53卷 / 05期

关键词：

改进蒙特卡洛方法; 最小二乘支持向量机; 电网风险评估; 风险灵敏度;

D O I：

10.14188/j.1671-8844.2020-05-009

中图分类号：

TM73 [电力系统的调度、管理、通信]; TP181 [自动推理、机器学习];

学科分类号：

120103 [信息系统与信息管理]; 140502 [人工智能];

摘要：

目前电网风险库基于典型运行方式离线计算得到N-1及N-2风险,不能准确反映电网实时风险。提出了基于改进蒙特卡洛法(Monte Carlo,MC)和最小二乘支持向量机(least squares support vector machine,LSSVM)的电网风险评估方法。考虑设备实时故障率以及运行方式变化,首先使用拉丁超立方算法优化的蒙特卡洛法生成风险样本数据,可在有限的计算时间内搜索出多重故障,全面反映电网故障情况;使用高斯扰动粒子群优化的最小二乘支持向量机对风险样本进行训练,达到大幅降低计算时间的目的。在保证风险计算准确度的情况下,该方法可以做到电网风险与灵敏度的在线计算,为风险来源追踪、设备差异化运维等提供参考依据。

引用

页码：435 / 441

页数：7

共 13 条

[1]

基于AdaBoost和SVM的图像检索研究 [D].