文献类型：期刊文章

作　　者：马骞[1] 杨以涵[1] 刘文颖[1] 齐郑[1] 郭金智[2]

机构地区：[1]华北电力大学电力工程系,北京市昌平区102206 [2]华北电力调度局,北京市宣武区100053

出　　处：《中国电机工程学报》

基　　金：西北电网公司项目(04-dd02)。

年　　份：2005

卷　　号：25

期　　号：6

起止页码：17-23

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：利用支持向量机(SVM)方法进行暂态稳定判别时,输入特征的选择是影响最终结果的最重要因素。传统启发式和试探式方法不能从根本上解决输入特征选择的问题。本文利用信息融合思想,在构造的具有不同输入特征的多组子分类器的基础上,对子分类器的结果在输出空间再进行信息融合,以提高分类准确率。文中从不同角度启发式的构造了 4,构成四组弱分类器。以这四组弱分类器为子分类器,再构造一个融合 SVM 对几种子分类器的结果以回归方式进行融合,作为最终判别结果。IEEE 39-BUS 和IEEE145-BUS 测试系统上进行的仿真表明,弱分类器的分类性能经过融合得到明显强化,融合后的结果比任何一种子分类器的结果以及一次包含所有输入特征的结果都更准确。该方法为在线快速进行暂态稳定计算提供了一条重要途径。

关 键 词：暂态稳定评估 电力系统 特征融合  支持向量机(SVM)  多输入 输入特征  组合  暂态稳定计算 信息融合 分类器  特征选择  测试系统  启发式  构造  准确率  判别  种子  

分 类 号：TM712] TP391.4]