论文摘要
随着清洁能源替代和电力系统电力电子化的趋势增强,传统的基于理论模型的电力系统数值仿真方法将面临新的挑战,不依赖于元件模型的数据驱动型电网稳定评估方法逐渐受到重视.基于极限学习机(ELM)理论,提出适于在线应用的电力系统暂态稳定评估方法.首先,通过调节稳定和失稳仿真样本的比例进行样本筛选,减轻样本集中失稳样本较少而引起的样本不均衡现象,并引入递归特征消除法进一步处理样本集;然后利用交叉验证法优化ELM的网络结构,并用处理后的样本集进行ELM的训练;最后,根据神经网络的输出结果预测系统的稳定性,并改进泛化能力评价标准对结果的可靠性进行评估.算例分析表明,递归特征消除法可明显降低特征冗余度,改善模型性能,所提出算法的训练时间短且具有较高的预测准确度.
论文目录
文章来源
类型: 期刊论文
作者: 张林林,胡熊伟,李鹏,石访,于之虹
关键词: 电力系统,暂态稳定,极限学习机,递归特征消除,交叉验证
来源: 上海交通大学学报 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 山东大学电气工程学院,中国石油大学(华东)信息与控制工程学院,中国电力科学研究院有限公司
基金: 山东省自然科学基金项目资助(ZR201808210126)
分类号: TP18;TM712
DOI: 10.16183/j.cnki.jsjtu.2019.06.017
页码: 749-756
总页数: 8
文件大小: 532K
下载量: 341