基于QPSO-SVM模型的电力系统稳定性评估.docVIP

PAGE \* MERGEFORMAT6 计算机应用 第35卷 PAGE \* MERGEFORMAT6 基金项目:国家自然科学基金(No.资助。 作者简介: 李强(1980.5-)，男，太原市,副教授/高工，研究生,主要研究方向：人工智能及应用; 刘晓峰(1979-),通讯作者，男，山西怀仁，讲师，博士，主要研究方向：支持向量机。 通讯作者:刘晓峰 基于QPSO-SVM模型的电力系统稳定性评估 李强1,2),刘晓峰3*) 1)(山西省财政税务专科学校 信息学院，太原市 030024) 2)(太原理工大学 财经学院, 太原市 中国 030024) 3)(太原理工大学 数学学院 ，太原市 中国 ，030024) (*122824940@) 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的突出。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）优化并计算其参数，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。 电力系统稳定性评估;SVM;粒子群算法;潮流计算;仿真计算 TP391.9;TM712　 文献标志码: A The Assessment of Power System Stability based on QPSO-SVM LI Qiang1,2,Duan Fu2,LIU Xiao-feng3* (1. College of Information, Shan Xi Finance Taxation College, Tai yuan city ,030024, China; (2.Department of Information, College of Finance Economics,Tai Yuan University of Technology, Taiyuan 030024, China;) 3.College of Math, Tai Yuan University of Technology,Tai yuan city ,030024, China) Abstract: With the fast development of national power industry，ultra high voltage power transmission?has already been applied in practice. What is more vital，stability and security of power system have turned to be more crucial owing to the complexity of the grid. On the one hand, voltage stability is the major factor accounting for the power system reliability. One the other hand, the online assessment of the voltage stability in real time has always been the just obstacle on the concerning research. This paper aims to put forward a QPSO-SVM model which can be applied to the online assessment of the voltage stability in real time, based on the increasing accuracy and efficiency of calculation by means of SVM model as w