基于SVM的电网规划方案评估与优选分析.pdfVIP

基于SVM的电网规划方案评估与优选分析.pdf

PRODVCTANDTECHNIC

产品与技术

基于SVM的电网规划方案评估与优选分析

慕俊强魏光明邱东彭君李静

（国网甘肃省电力公司兰州供电公司）

摘要：随着我国经济发展和人们生活水平提高，对电力供应的需求也不断增加，电网建设与发展成了社会

发展中不可缺少的一部分。而随着电力系统规模不断扩大，在电网规划方面存在许多问题，如电力供应不

足、电力设备老化等问题，为了保证电网能够满足人们对电力需求，就需要对电网规划方案进行评估与优

选。本文对支持向量机（SVM）的特点进行总结，对基于SVM建立的电网规划方案评估模型进行分析，

并对其进行试验测试，结果表明：方案3的规划效果最好，故障率低，最大负载率低，说明方案3的规

划方案最合理。

关键词：支持向量机；电网规划；方案；评估；优选

0引言1支持向量机的特点

电力规划是指在一定的区域范围内，根据电网的SVM是一种非常有效的分类方法，它利用结构

发展现状、经济和社会发展状况，结合电力系统的特风险最小化原理，通过调整核函数参数将非线性问题

点和要求，对未来几年内电网建设、改造以及新建项转化为线性问题，从而得到分类算法，实现了对实际

目的规模、结构和布局等进行综合规划，以达到经济问题的分类[6]。由于支持向量机需要在大量的样本中

合理地利用电力资源，确保电网安全、稳定运行，提找出最优特征值，因此需要寻找一个有效的核函数将

高供电可靠性和电能质量，为经济发展提供电力保障其转化为线性可分的问题，具体的核函数有很多种，

[1-3]

的目的。对电网规划方案进行优选分析是电网规划如线性、二次、非线性核等。SVM主要是通过构造

中的重要组成部分，能够为下一步的建设提供决策依一个二次型的超平面，并在此基础上构造一个线性可

据。支持向量机（SupportVectorMachine，SVM）分的超平面，从而将非线性问题转化为线性可分的问

是一种新型机器学习算法，它对高维、非线性、小样题。因为样本是非线性的，所以可以通过训练样本对

本等问题具有良好的泛化能力。由于其结构简单、学SVM进行训练。将训练好的SVM模型用于实际问题

习速度快以及良好的泛化能力等优点而被广泛应用于中，能够实现对实际问题的分类。

机器学习和模式识别领域中[4-5]。因此，对基于支持1.1核函数

向量机的电网规划方案进行评估与优选具有重要的对于线性可分的问题，使用线性核函数可以有效

意义。地将其转化为线性可分的问题。当数据存在一定程度

CHINA

ELECTRICALEQUIPMENTINDUSTRY

PRODVCTANDTECHNIC

更多 >