首页> 中文期刊> 《电力系统及其自动化学报》 >基于回归学习与特征挖掘的运行风险评估

基于回归学习与特征挖掘的运行风险评估

         

摘要

为了充分利用监测信息的数据价值并实时把握电力系统运行风险的变化情况,提出了一种对电力系统实时状态进行运行风险评估的方法。该方法基于SVM回归学习技术,挖掘量测单元反馈的系统信息与运行状态数据的潮流特征,建立运行状态与风险的关联函数。将该方法与多目标粒子群优化算法相结合,预先实现电力系统数据特征挖掘,从而降低了对于PMU量测设备的数量要求。提出了改进的蚁群算法,并将其与SVM回归模型融合,实现对回归学习模型内部参数的优选,提高了评估准确性,进一步改善了在线风险评估的运行速度与计算精度。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号