基于正则化投影孪生支持向量机的电力系统暂态稳定评估.docx

基于正则化投影孪生支持向量机的电力系统暂态稳定评估
标题：基于正则化投影孪生支持向量机的电力系统暂态稳定评估
引言：
电力系统的暂态稳定性评估是保障电力系统运行安全的重要任务之一。随着电力系统规模不断扩大和复杂性不断增加，传统的暂态稳定评估方法面临着挑战。为了提高暂态稳定性评估的准确性和效率，本文提出了一种基于正则化投影孪生支持向量机的方法。
方法：
1.数据收集和预处理：收集电力系统暂态数据，包括电压、电流、功率等方面的实时数据。对数据进行预处理，包括去除异常值、数据归一化等，以提高模型的稳定性和泛化能力。
2.特征提取：根据电力系统暂态稳定评估的要求，提取合适的特征。常见的特征包括功率、电流、电压的幅值、相位等。同时，为了提高特征的表达能力，可以采用深度学习的方法进行特征提取。
3.正则化投影：为了提高模型的鲁棒性和避免过拟合，采用正则化投影的方法进行特征筛选和降维。通过加入正则化项，可以使模型更加稳定，并提高模型对样本数据的适应能力。
4.孪生支持向量机：孪生支持向量机是一种经典的监督学习方法，具有较强的适应性和泛化能力。在本文中，我们将孪生支持向量机应用于电力系统暂态稳定评估。通过构建一个包含正例和负例的训练集，训练一个孪生支持向量机模型。在预测阶段，将待评估的电力系统样本输入到训练好的模型中，根据输出的预测结果判断样本的暂态稳定性。
结果与讨论：
通过实验对比分析，我们发现基于正则化投影孪生支持向量机的电力系统暂态稳定评估方法具有较高的准确性和效率。与传统的暂态稳定评估方法相比，该方法在评估结果的准确性和计算速度上有了显著的改进。同时，该方法具有较强的泛化能力，可以适应不同电力系统的暂态稳定评估需求。
结论：
本文提出的基于正则化投影孪生支持向量机的电力系统暂态稳定评估方法，在电力系统运行安全性方面具有重要意义。通过对电力系统暂态数据的收集、预处理和特征提取，结合正则化投影和孪生支持向量机的方法，构建了一个有效的暂态稳定评估模型。实验结果表明，该方法在准确性、效率和泛化能力方面都具有较好的表现。未来，可以进一步研究和优化该方法，以期在电力系统暂态稳定评估领域发挥更大的作用。
参考文献：
[1]Liu,Y.,Lin,C.Y.,&Zhang,C.(2019).Arobusttransientstabilityassessmentapproachforpowersystemsbasedontwinsupportvectorregression.ElectricPowerSystemsResearch,174,105833.
[2]Zhang,Y.,&Sun,H.(2020).Powersystemtransientstabilityassessmentusingextremelearningmachinewithself-adaptiveprojectionoperator.ElectricPowerSystemsResearch,179,106085.
[3]Wang,S.,Liu,H.,Xu,Y.,Zhang,F.,&Ge,X.(2019).Transientstabilitypredictionandpreventivecontrolofpowersystemsusinglongshort-termmemoryneuralnetworks.IEEETransactionsonSmartGrid,11(3),1958-1969.