支持向量机和证据理论在暂态稳定评估中的应用研究

论文摘要

电力系统运行的安全稳定问题,是现代电力系统发展所面临的巨大威胁,因此,快速准确地判断系统暂态稳定性具有重要意义。相对于传统的评估方法,支持向量机优良的统计特性可以使评估速度很快;鉴于证据理论在解决不确定性问题方面的优势,将之引入以提高暂态稳定评估结果的可靠性。本文构建了基于支持向量机和D-S证据理论结合的信息融合评估模型,并研究了特征量的选取。受扰轨迹是系统动态行为的直接表达,本文研究了基于受扰轨迹的电力系统暂态稳定评估方法,提出基于DTW距离判断受扰轨迹相似性的方法。利用EPRI-36节点系统进行仿真计算,结果表明本文方法在提高评估精度的同时,可减少训练时间,改进评估效果。

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
• 1.1 选题背景及意义
• 1.2 研究现状
• 1.2.1 传统的暂态稳定评估方法
• 1.2.2 人工智能方法
• 1.2.3 支持向量机
• 1.2.4 信息融合的应用研究
• 1.3 本论文的主要工作
• 第二章 基于支持向量机和证据理论的暂态稳定评估方案
• 2.1 支持向量机理论
• 2.1.1 支持向量机分类算法（SVC）
• 2.1.2 最小二乘支持向量机分类算法
• 2.2 基于D-S 证据理论的信息融合原理
• 2.2.1 信度函数
• 2.2.2 D-S 组合规则
• 2.3 信息融合的暂态稳定评估模型构建
• 2.4 本章小结
• 第三章 基于 PMU 的特征集构造及评估结果分析
• 3.1 PMU 的引入及其优势
• 3.2 原始输入特征选择
• 3.2.1 原始特征选择的原则
• 3.2.2 输入特征描述
• 3.3 训练样本集的建造
• 3.4 仿真实验与分析
• 3.4.1 特征量的确定
• 3.4.2 支持向量机参数的选取
• 3.4.3 实验结果
• 3.5 本章小结
• 第四章 基于受扰轨迹几何特征的电力系统暂态稳定评估
• 4.1 电力系统受扰轨迹
• 4.1.1 扩展等面积准则简介
• 4.1.2 聚类分析
• 4.2 相似性度量
• 4.2.1 相似性定义及度量指标
• 4.2.2 动态时间弯曲距离
• 4.3 基于 DTW 距离的暂态稳定评估实验及结果分析
• 4.4 本章小结
• 第五章 结论与展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况