多输入特征融合的组合支持向量机电力系统暂态稳定评估

摘要

利用支持向量机(SVM)方法进行暂态稳定判别时,输入特征的选择是影响最终结果的最重要因素。传统启发式和试探式方法不能从根本上解决输入特征选择的问题。本文利用信息融合思想,在构造的具有不同输入特征的多组子分类器的基础上,对子分类器的结果在输出空间再进行信息融合,以提高分类准确率。文中从不同角度启发式的构造了 4,构成四组弱分类器。以这四组弱分类器为子分类器,再构造一个融合 SVM 对几种子分类器的结果以回归方式进行融合,作为最终判别结果。IEEE 39-BUS 和IEEE145-BUS 测试系统上进行的仿真表明,弱分类器的分类性能经过融合得到明显强化,融合后的结果比任何一种子分类器的结果以及一次包含所有输入特征的结果都更准确。该方法为在线快速进行暂态稳定计算提供了一条重要途径。