论文部分内容阅读
本文从数据挖掘的角度提出了一种基于“贝叶斯分类器”的电力系统暂态稳定评估新方法。首先选取能迅速反映电力系统暂态过程的特征量,作为贝叶斯分类器的属性变量,然后采用数值仿真算法产生大量样本,利用先验信息和样本数据确定稳定事件的后验概率。当电力系统发生故障时,对此时所对应的属性变量进行精确推理,得到电力系统的暂态稳定状态。由于任何分类器都有存在误分类的可能,因此给出了贝叶斯分类器的提升算法。最后,以新英格兰10机39节点系统的仿真结果验证了该分类器的分类效果。