基于QPSO-SVM模型的电力系统稳定性评估

摘要

随着我国电力系统的快速发展,超高电压输变电已经开始应用,电网变的更加复杂,其电力系统的稳定性和安全性问题更显得突出.电压的稳定性一直是系统可靠性的重要指标,而其电压质量的在线实时评估一直是研究的难题.本文采用支持向量机(SVM)模型来提高运算精度和效率,并通过量子行为粒子群算法(QPSO)优化并计算其参数,提出一种基于QPSO-SVM的模型,可用于实时在线评估电力系统的稳定性.此外,为了提高机器学习的评估指标的精准度,采用先进的潮流计算Jacobian的切向量分量来作为VSI,可以保证评估值的绝对性,并可以适用于各种网络结构.最后在WSCC9-bus标准系统上实验证明,该方法比GA-SVM、一般的SVM和BP神经网络在学习时间分别提高23.2％、63％、77.9％,测试时间分别加快26.2％、56.9％、72.56％,在精度上分别提高28.9％、42.19％、82.34％.另外,通过在IEEE14总线上做实验,可以找到系统崩塌前的关键总线,并与潮流计算的结果基本一致,因此该方法是一种可以作为实时在线电力系统稳定性评估的理想方法.