基于支持向量机的静态电压稳定评估

论文摘要

在现代大型电力系统中,电压崩溃已经成为威胁电力系统安全运行的重要问题之一。为了预防电压崩溃,需要评估系统运行状态到电压稳定临界点的距离。临界点的计算可以提供电压稳定裕度的重要信息,但是,在电压稳定临界点处,潮流方程雅可比矩阵奇异,常规潮流方程难以求解。为克服这个困难,采用了连续潮流法,通过追踪PV曲线来获取临界点。但对于高维电力系统,这种方法计算速度较慢,难以满足实时电压稳定评估的要求。为减少评估时间,应用快速且可靠的评估技术是很重要的。支持向量机是新一代的机器学习算法,以统计学习理论作为其理论基础,其训练等价于解决一个二次规划问题,采用结构风险最小化原则,具有预测能力强、全局最优及收敛速度快等显著特点。因此,本文提出了一种基于支持向量机的静态电压稳定评估方法,并建立了电压稳定评估的支持向量机模型。从测试结果看,支持向量机模型经过训练后可以实时地根据系统运行状态估算系统的电压稳定临界点。该方法充分发挥支持向量机在解决高维、非线性和有限样本问题方面体现出的优势,保证了电压稳定评估模型的泛化能力,具有较快的评估速度和较高的预测精度。将支持向量机模型与BP人工神经网络模型进行了比较,结果证明,利用支持向量机模型进行电压稳定临界点预测比利用人工神经网络模型具有更高的拟合精度。为了降低输入空间的维数,本文提出用主成分分析对数据进行特征提取,将提取出的包含样本数据信息的主元送入支持向量机进行训练。这样既结合了主成分分析的特征提取能力,又利用了支持向量机良好的非线性函数逼近能力。通过实际算例分析,验证了该方法在保证预测精度的同时可有效降低输入空间的维数。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 电压稳定问题的研究背景
• 1.2 电压稳定的定义与分类
• 1.3 电压稳定的研究现状
• 1.3.1 静态电压稳定研究
• 1.3.2 动态电压稳定研究
• 1.4 本课题研究的意义
• 1.5 本文的主要工作
• 第2章 基于连续潮流法的电压稳定临界点计算
• 2.1 输电系统的功率-电压特性
• 2.2 静态电压稳定性的裕度指标
• 2.3 连续潮流法的基本原理
• 本章小结
• 第3章 统计学习理论与支持向量机
• 3.1 机器学习简介
• 3.1.1 机器学习的主要问题
• 3.1.2 经验风险最小化
• 3.1.3 复杂性与推广能力
• 3.2 统计学习理论的核心内容
• 3.2.1 学习过程一致性的条件
• 3.2.2 VC维
• 3.2.3 推广性的界
• 3.2.4 结构风险最小化
• 3.3 支持向量机
• 3.3.1 最优超平面
• 3.3.2 支持向量分类机
• 3.3.3 支持向量回归机
• 本章小结
• 第4章 基于支持向量机的静态电压稳定评估
• 4.1 静态电压稳定数据仿真
• 4.1.1 仿真步骤
• 4.1.2 PSAT简介
• 4.2 支持向量回归模型的核函数和参数选取
• 4.2.1 核函数的选取
• 4.2.2 参数的影响及选取
• 4.3 基于支持向量机的电压稳定临界点在线预测研究
• 4.3.1 LIBSVM工具箱简介
• 4.3.2 主要实验流程
• 4.3.3 实验结果
• 4.4 BP神经网络与SVM的预测结果之比较
• 4.4.1 BP神经网络结构和算法思想
• 4.4.2 实际算例
• 4.5 基于支持向量机的电压稳定弱节点在线监视
• 4.5.1 弱节点在线监视模型的建立
• 4.5.2 实验结果
• 本章小结
• 第5章 基于输入空间压缩的静态电压稳定评估
• 5.1 主成分分析原理
• 5.1.1 主成分的定义
• 5.1.2 主成分的求法
• 5.1.3 标准化变量的主成分
• 5.2 基于主成分分析和支持向量机的静态电压稳定评估
• 本章小结
• 结论
• 致谢
• 参考文献
• 附录
• 攻读硕士学位期间发表的论文