基于QPSO-SVM模型的电力系统稳定性评估.pdfVIP

2017 年 第 26 卷 第 2 期 计 算 机 系 统 应 用 基于 QPSO-SVM 模型的电力系统稳定性评估① 李 强 1,2, 刘晓峰 3 1(山西省财政税务专科学校 信息学院, 太原 030024) 2(太原理工大学 财经学院, 太原 030024) 3(太原理工大学 数学学院, 太原 030024) 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??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. 关键词: 电力系统稳定性评估; SVM; 粒子群算法; 潮流计算; 仿真计算 Assessment of Power System Stability Based on QPSO-SVM LI Qiang1,2, LIU Xiao-Feng3 1(College of Information, Shanxi Finance Taxation College, Taiyuan, 030024, China) 2(Department of Information, College of Finance Economics, Taiyuan University of Technology, Taiyuan 030024, China) 3(College of Math, Taiyuan University of Technology, Taiyuan, 030024, China) Abstract: With the fast development of national power industry，ultra high voltage power transmission has already been applied in practice. And the following features such as stability and security of power system have become more crucial owing to the complexity of the grid. On the one hand, voltage stability is t