计及不确定性的暂态稳定在线预测

结合蒙特卡罗抽样和朴素贝叶斯分类方法提出一种考虑不确定性的暂态稳定在线预测方法,该方法计及了系统中负荷、节点注入功率、故障切除时间、故障线路和故障位置等不确定因素。利用蒙特卡罗方法进行参数抽样,对这些抽样进行聚类以节省离线计算时间,在得到聚类样本的稳定性之后还原初始抽样样本并整理离散变量;为充分考虑不确定性造成的后果,引入风险理论,以风险最小原则构造朴素贝叶斯分类器,并将其应用于暂态稳定的在线预测。以新英格兰测试系统为例进行仿真,仿真结果表明,该方法具有精度高、概念清晰等优点,为考虑不确定性的暂态稳定在线预测提供了新的思路。