摘要
在对比分析电力系统已有暂态稳定评估方法的基础上,提出一种以支持向量机模型为基础的动态训练算法。该方法将特征提取、样本训练融合在一起,动态产生一系列支持向量机模型,同时可以从维数较大的初始特征集中选择多组有效特征。实验表明,它可用于解决输入空间的可分性问题。在3机9节点以及16机68节点系统中的应用表明了该方法的有效性。
With the comparison of multiple power system transient stability assessment methods, a new algorithm in support vectors machine dynamic training is proposed. The method merges selecting-features with training-samples together and produces a series of SVM models, and a series of sub-features are selected from large initial features set. The experiments show that it can be used to solve the separability problem. The calculation results of 3-machine 9-bus system and 16-machine 68-bus system demonstrate the validity of the proposed method.
出处
《电力系统及其自动化学报》
CSCD
北大核心
2009年第2期31-34,共4页
Proceedings of the CSU-EPSA
基金
上海市教育委员会重点学科建设项目资助(J51301)
关键词
支持向量机
核方法
线性可分性
暂态稳定
supports vectors machines（SVM）
kernel methods
linear separability
transient stability
