科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于传统的暂态稳定评估方法难以满足大规模电网在线安全评估对于准确性和快速性的要求,基于机器学习的人工智能方法成为目前电力系统暂态稳定评估领域中新的研究热点。针对单一机器学习模型在评估时难以抑制将失稳样本误判为稳定样本的问题,提出了一种多径向基函数极限学习机(multi-radial basis function-extreme learning machines,multi-RBF-ELMs)集成模型的电力系统暂态稳定评估方法。给出了径向基函数极限学习机子模型的选取原则、multi-RBF-ELMs集成模型的工作机制以及关键特征集的构建方法。采用新英格兰10机39节点系统作为算例进行仿真测试,结果表明,该方法充分利用了不同子模型学习到的稳定规则,在保持高评估正确率的前提下,显著地降低了失稳样本的误判率以及训练时间。
- 单位
