基于统计学习理论的电网薄弱环节识别技术框架研究
传统的电网薄弱环节识别方法必须对预想故障进行仿真,以判断稳定性,无法直接识别当前运行方式下电网的薄弱环节.统计学习方法依靠对大量训练样本的类比和学习,寻求状态参数与稳定性之间的映射关系,形成电网薄弱环节识别知识.这种方法无需在线仿真,可以通过离线样本的采集与学习,从而加快在线评估速度,并且能挖掘出深层次的有用信息.本文探讨了基于统计学习理论的电网薄弱环节识别技术框架,提出以故障地点电气特征、拓扑特征和故障区域特征为影响稳定性关键特征的技术构想.并研究通过分析输入输出相关性,最终实现识别电网薄弱环节及其关键特征的方法.
电网系统 薄弱环节 识别技术 支持向量机 统计学习理论
黄霆 林韩 黄道姗 吴丹岳
国网福建省电力有限公司电力科学研究院,福建 福州 350007 国网福建省电力有限公司,福建 福州 350003
国内会议
福州
中文
1-6
2014-09-01（万方平台首次上网日期，不代表论文的发表时间）