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

被引：11

作者：

李大虎 ^{[1
]}

江全元 ^{[2
]}

曹一家 ^{[2
]}

机构：

[1] 华中科技大学电气与电子工程学院

[2] 浙江大学电气工程学院

来源：

电工技术学报 | 2006年 / 07期

基金：

国家自然科学基金重大项目;

关键词：

相量测量单元(PMU); 支持向量回归(SVR); 自组织特征映射(SOFM); 聚类;

D O I：

10.19595/j.cnki.1000-6753.tces.2006.07.014

中图分类号：

TM712 [电力系统稳定];

学科分类号：

080802 ;

摘要：

提出了一种电力系统暂态稳定实时预测方案,通过相量测量单元(PMU)获得扰动后短时间内的发电机功角相量,利用支持向量回归(SVR)模型可以快速而准确地预测发电机相对功角的变化趋势,从而可以判断电力系统的暂态稳定性。为了提高预测的精度和降低SVR的训练负担,利用自组织特征映射(SOFM)网络对训练样本集进行聚类分析,对聚类后的每一类样本训练SVR,由于每类样本具有相似性,所以对每类样本单独训练SVR可以更好地提高训练精度;又由于分类后的子类样本数目相对较小,所以可以克服全体训练样本对SVR训练时间过长的缺点。结合新英格兰10机系统对基于多种不同样本的SVR从训练时间和预测精度进行对比说明该方法的有效性。

引用

页码：75 / 80

页数：6

共 5 条

[1] 一种新的海量数据分类方法 [J].