典型文献
基于粒子群优化算法支持向量回归预测法的大电网电压稳定在线评估方法
文献摘要：
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P SO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.
文献关键词：
电力系统;静态电压稳定;阻抗模裕度;粒子群优化算法;支持向量回归预测法
中图分类号：
作者姓名：
李帅虎;赵翔;蒋昀宸
作者机构：
长沙理工大学电气与信息工程学院,湖南 长沙410014;国网湖南省电力有限公司长沙供电分公司,湖南 长沙410011
文献出处：
引用格式：
[1]李帅虎;赵翔;蒋昀宸-.基于粒子群优化算法支持向量回归预测法的大电网电压稳定在线评估方法)[J].湖南电力,2022(05):22-28
A类：
支持向量回归预测法,阻抗模裕度
B类：
粒子群优化算法,大电网,电网电压,在线评估,particle,swarm,optimization,support,vector,regression,PSO,SVR,深度神经网络,deep,neural,networks,DNN,电压稳定评估,方法改进,裕度指标,法利,化错,错误率,小样本,地学,参数调节,和函数,超参数,优化选择,电网运行数据,非线性关系,IEEE,节点系统,电力系统,静态电压稳定
AB值：
0.303489
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
