电力系统静态安全状态实时感知的相关向量机法.pdfVIP

第35 卷 第2 期 中 国 电 机 工 程 学 报 Vol.35 No.2 Jan.20, 2015 294 2015 年1 月20 日 Proceedings of the CSEE ©2015 Chin.Soc.for Elec.Eng. DOI ：10.13334/j.0258-8013.pcsee.2015.02.005 文章编号：0258-8013 (2015) 02-0294-08 中图分类号：TM 71 电力系统静态安全状态实时感知的相关向量机法 1 1 2 李海英 ，刘中银 ，宋建成 (1．上海理工大学电气工程系，上海市 杨浦区 200093 ； 2．太原理工大学电气与动力工程学院，山西省 太原市 030024) Real-time Static Security Situational Awareness of Power Systems Based on Relevance Vector Machine 1 1 2 LI Haiying , LIU Zhongyin , SONG Jiancheng (1. Department of Electrical Engineering, University of Shanghai for Science and Technology, Yangpu District, Shanghai 200093, China; 2. College of Electrical and Power Engineering, Taiyuan University of Technology, Taiyuan 030024, Shanxi Province, China) ABSTRACT: Aim to the integration of cyber physical systems 相关的特征子集；最后通过RVM 分类学习对系统安全状态 (CPS), a relevance vector machine (RVM) based data-driven 进行辨识。IEEE 30 节点系统测试结果表明，RVM 方法的 method was proposed for real-time static security situational 极度稀疏性、高分类精度、概率输出在实时安全状态感知中 awareness. RVM is a general Bayesian probabilistic framework 具有显著优越性。 to learn the kernel-based classification model, in which a set of 关键词：安全状态感知；相关向量机；贝叶斯概率学习； hyperparameters are imposed to the hierarchical priors over Relief 特征选择；稀疏核模型 model parameters for obtaining the sparse solutions, and the Bernoulli distribution is incorporated to