基于统计学习理论的电力系统暂态稳定评估

5.4 拒判与错判样本讨论
        查看表5所示的部分测试样本的暂态稳定评估过程，可以看出，表5中的测试样本3通过近似推理，正确判断了其稳定级别，在一定程度上提高了预测的准确率。但该表中仍存在一定比例的拒判(如样本5)及错判(如样本9)。如果出现实际失稳的样本被预测为安全，将会严重误导调度人员的操作，追究其原因，本文认为这2个样本应为典型的、新的重要范例，原有的支持向量无法对其进行正确判断，因此，本文认为平时要注重收集尽量多的仿真及实测样本，打好数据基础，一旦在实际运行中发现这类样本，应采取措施对其进行强化增量学习，这也是本文下一步的研究重点。

6  结论
        本文通过构造支持向量机，找到了划分系统是否暂态稳定的最优分界超平面和临界样本，利用装袋和近似推理，快速精确地判断了电力系统当前状态的稳定程度。该方法结果信息丰富，不仅提供了最优分界超平面，还提供了距离稳定边界最近的范例样本(支持向量)及各样本与稳定边界之间的距离，该方法不受“维数灾难”的限制，可应用于实际的复杂电力系统。在IEEE39节点测试系统中的应用结果证明了该方法对电力系统暂态稳定监测的有效性，为解决电力系统的暂态稳定评估问题提供了一条新的思路。但该方法还有待完善，例如：如何保证SVM在大规模数据集下的在线训练速度、怎样对拒判及实测样本进行增量学习及对后续摇摆稳定程度的判定等，都是需进一步研究的问题。

致  谢

    中国电力科学研究院系统所卜广全高工提供的暂态稳定仿真程序为本文暂稳空间仿真样本生成程序奠定了基础，在此表示衷心的感谢！

上一页  [1] [2] [3] 

本文关键字：评估  统计  电工技术，电工技术 - 电工技术