支持向量机在电力系统中的应用.pdfVIP

Doi：l0．3969~．issn．1671-1041．2012．06．032 支持向量机在电力系统中的应用 赵永辉，刘友宽，朱全聪，杨文杰 (华北电力大学云南电网公司研究生工作站，昆明650217) 摘要：支持向量机是一种能在训练样本数很小的情况下达到很好分类推广能力的学习算法，具有调节参数少、运算速度快、 时间代价小的优点，并且能做到与数据的维数无关，具有很好的扩展性。本文介绍了其基本原理，还总结了其在电力系统 负荷预测、电厂软测量、电力设备故障诊断、电力系统稳定性分析中的成功应用。结果表明，支持向量机克服了传统算法 的收敛难以控制、结构设计困难等的局限性，具有广泛的应用前景。 关键词：支持向量机；电力系统；应用 中图分类号：TP391 文献标志码：B Thesupportvectormachinein thepowersystem ZHAOYong—hui，LIUYou—kuan，ZHUQuan—cong，YANGWen-jie (GraduateWorkstationofNorthChinaElectricPowerUniversityYunnanPowerGrid，Kunming650217，China) Abstract：ThesupportvectormachineiSalearningalgorithm thatusesfewertrainingsamplestoachievetheclassification andgeneralizationability．Ithassomeadvantages，likeafewadjustableparameters，computingspeedandsmall—time cost．anditcanhavenothingtodowiththedatadimension．1thasalsoagoodscalability．Thispaperintroducesthebasic principleand summarizesthesuccessfulapplicationsin load forecast，softmeasurement，electricalequipmentfault diagnosisandthestabilityanalysisofpowersystem．Theresultsshow thatthesupportvectormachinehasovercomethe Iimitationsofthetraditionalalgorithm．suchasthedifficultyofcontrollingtheconvergenceandthestructuraldesign．AIlin all，ithasbroadapplicationprospects． Keywords：SVM；powersystem；application O 引言 为了描述分界面，通过改变权向量的模，可以改写两 支持向量机是一种小样本学习方法 ，能在训练样本数 类模式的分类规规则为 目很小的情况下取得很好的推广能力 ，对非线性分类、非 Y [WrX,-b] 1，卢1,2，… (2) 线性回归的处理更加有效。此外，支持向量机的计算量与 这时两类模式间隔的距离为2 为了使 间隔最 样本向量的维数基本无关 ，避免了 “维数灾难”。对于小 大，应使ll l最小。如图1所示，实心点和空心点代表两类 样本的分类、回归问题，支持向量机具有调节参数少、运 样本 ， 是把两类样本正确分开的分类线， 。、 分别为 算速度快、时间代价小的优点_】]。 通过各类样本中离分类线最近的点，且平行于分类线的直 近年来，许多关于SVM方法的研究，包括算法本身的 线。也就是要求分类线不但能把两类样本正确的分开，而 改进和算法的实际应用 ，都陆续提了出来。由于较好的理 且要使H和H：之间的间隔最大 ，~margin：=2／1lWll。因此满 论基础和在一些领域