基于机器学习的稳定性指标构造方法及装置

摘要

本发明公开了一种基于机器学习的稳定性指标构造方法及装置，方法包括：获取稳定性指标的训练样本，训练样本包括稳定样本和不稳定样本；根据稳定性指标的预设要求在支持向量机模型SVM的约束条件中引入松弛变量；分别去掉稳定样本和不稳定样本的约束条件中的松弛变量得到激进型支持向量机模型ASVM和保守支持向量机模型CSVM；根据ASVM和CSVM的边界距离之差得到不稳定评估指标DD；根据ASVM和CSVM改造DD，并结合Ridge回归算法进行拟合，以构造稳定性指标。该方法通过将SVM的优点与Ridge回归算法相结合得到稳定性指标表征系统稳定裕度，用于稳定性判断的辅助决策，从而提高紧急控制的决策能力与精度。