典型文献
基于改进SVM与NSGA-Ⅲ的台区相序在线优化方法
文献摘要：
针对基于历史负荷建模的台区相序调整不足及调相后供电状态时长不能保证的问题,从数据驱动角度提出了基于改进支持向量机(SVM)超短期负荷预测的台区相序在线优化方法.首先,采用变分模态分解将预测对象的历史负荷分解成多个子序列,对每个子序列采用改进的SVM进行预测,预测模型中引入自适应权重机制改进最小二乘SVM的性能,以过滤数据噪声对结果的影响,提高预测准确度;然后,对智能换相开关负荷支路建立最小三相不平衡度、最少换相次数、最长相序维续时间的多目标优化模型,从第3代非支配排序遗传算法(NSGA-Ⅲ)求解的Pareto最优解集中选取一组满意解作为决策者的相序自动调整方案;最后,以中国广东电网某台区为例进行分析,并与其他方法对比验证了所提方法的有效性.
文献关键词：
数据驱动;支持向量机;负荷预测;遗传算法;相序
中图分类号：
作者姓名：
唐捷;杨银;刘斯亮;张勇军;李钦豪;羿应棋
作者机构：
广东电网有限责任公司,广东省广州市 510699;智慧能源工程技术研究中心(华南理工大学电力学院),广东省广州市 510640
文献出处：
引用格式：
[1]唐捷;杨银;刘斯亮;张勇军;李钦豪;羿应棋-.基于改进SVM与NSGA-Ⅲ的台区相序在线优化方法)[J].电力系统自动化,2022(03):50-58
A类：
B类：
NSGA,台区,在线优化,负荷建模,相序调整,调相,改进支持向量机,超短期负荷预测,变分模态分解,负荷分解,分解成,子序列,自适应权重,重机,机制改进,改进最小二乘,数据噪声,预测准确度,智能换相开关,支路,小三,三相不平衡,不平衡度,长相,多目标优化模型,非支配排序遗传算法,Pareto,最优解集,满意解,解作,决策者,自动调整,调整方案,广东电网,其他方法,方法对比,对比验证
AB值：
0.390642
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。
