基于局部学习机和细菌群体趋药性算法的电力系统暂态稳定评价.PDF

20 13 年 10 月 电 工 技 术 学 报 Vol.28 No. 10 第28 卷第 10 期 TRAN SACTION S OF CHINA ELECTROTECHNICAL SOCIETY Oct . 20 13 基于局部学习机和细菌群体趋药性算法的电力 系统暂态稳定评估 1 1 2 顾雪平 李扬 吴献吉 （1. 华北电力大学电气与电子工程学院 保定 07 1003 2. 河北工业大学国际教育学院 天津 30040 1） 摘要 为了提高电力系统暂态稳定评 的分类正确率，提出一种基于局部学习机 （LLM）和 改进的细菌群体趋势药性 （BCC）算法的暂态稳定评 方法。该方法采用LLM 构建暂态稳定评 模型，考虑相量测量单元可以提供的故障后实测信息，构造了一组系统特征作为LLM 模型的 输入量，稳定结果作为输出量，对稳定结果和系统特征间的映射关系进行训 ，并通过综合混沌 搜索策略的改进BCC 算法优化LLM 模型的参数。最后，以新英格兰 10 机 39 节点系统为例证明 了所提方法的有效性。 键词：暂态稳定评 局部学习机 细菌群体趋药性 混沌搜索 相量测量单元 中图分类号：TM7 12 Transient Stability Assessment of Power Systems Based on Local Learning Machine and Bacterial Colony Chemotaxis Algorithm Gu X uep ing 1 L i Yang 1 Wu X ianj i2 （1. North China Electric Power University Baoding 07 1003 China 2. Hebei University of Technology Tianj in 30040 1 China ） Abstract In order to improve the classification accuracy of transient stability assessment of power systems, a novel method based on local learning machine and an improved bacterial colony chemotaxis (BCC) algorithm is proposed, where local learning machine(LLM) is used to build a TSA model. Considering the possible real-time information provided by PMU, a group of system-level classification features extracted from the power system operation parameters are employed as inputs, and the stability result is used as output of the LLM model. The relationship between input and output is trained and the ideal model is obtained by applying the improved BCC combined with chaotic search strategy to determine the optimal parameters of LLM autom