论文部分内容阅读
提出基于粒子群优化算法支持向量回归预测法(particle swarm optimization support vector regression, PSO-SVR)的大电网电压稳定在线评估方法,将传统基于深度神经网络(deep neural networks, DNN)模型的电压稳定评估方法改进为PSO优化过的SVR模型,对阻抗模裕度指标进行预测。该方法利用了SVR模型具有学习能力强、泛化错误率低的优点,在小样本的情况下也可以很好地学习到样本中的特征。同时克服SVR模型对于参数调节和函数选择非常敏感的问题,利用PSO算法对SVR模型的超参数进行优化选择,可以让SVR模型更好地学习到电网运行数据和阻抗模裕度值之间的非线性关系。最后,该方法在IEEE 118节点系统进行验证,并与基于DNN模型的评估方法进行比较,验证了其精度水平高于基于DNN模型的方法。