论文部分内容阅读
电力系统暂态稳定评估(Transient Stability Assessment,TSA)—直是电力系统安全稳定运行中的重要一环。随着可再生能源的飞速发展,其随机性和波动性的特点导致暂态稳定评估变得更加困难,所以急需构建含新能源的电力系统暂态稳定评估方法。本文通过改进最大相关最小冗余(Maximal Relevance and Minimal Redundancy,mRMR)特征选取方法来确定最优特征量,并提出改进弹球损失支持向量机(Pinball loss Support Vector Machines,PinSVM)方法,在保证评估稳定性的前提下提高计算速度,以下是主要内容。采用改进最大相关最小冗余判据的暂态稳定评估特征选择方法。在标准mRMR方法基础上,引入一个权重因子改进最大相关最小冗余特征选择方法,以细化对特征相关性和冗余性的度量。考虑相量测量单元可以提供的故障后实测信息,构造以系统指标为主表征暂态稳定性的原始特征集。将改进的mRMR应用于特征选择。通过增量搜索算法得到一组嵌套的候选特征子集,并使用支持向量机分类器验证各候选特征子集的分类性能,选择得到具有最大分类正确率的特征子集。提出一种基于序贯最小优化弹球损失支持向量机(Sequential Minimal Optimization Support Vector Machine with Pinball loss,Smo-PinSVM)的含新能源电力系统暂态稳定评估方法。在传统支持向量机的损失函数中引入分位数概念来改善评估稳定性,并采用序贯最小优化策略求解弹球损失支持向量机来提高计算速度。首先,采用系统指标和新能源指标构建表征暂态稳定性的原始特征集,通过原始特征集来表征新能源接入系统后暂态稳定性的变化,并对其进行特征压缩,确定与暂态稳定性强相关的最优特征集。然后,通过核函数将最优特征集的低维特征空间映射到高维特征空间,实现暂态稳定评估问题的线性转化,并引入分位数概念来改变稳定类与不稳定类的最近点位置,降低由于新能源不确定性引起的临界稳定干扰样本对评估稳定性的影响,进而引入序贯最小优化策略,将弹球损失支持向量机的高维二项式优化问题转化为多个低维二项式优化问题,提高计算速度。