[发明专利]一种基于遗传算法的支持向量机在线电压稳定性监测方法在审
| 申请号： | 201811468216.5 | 申请日： | 2018-12-03 |
| 公开（公告）号： | CN109711435A | 公开（公告）日： | 2019-05-03 |
| 发明（设计）人： | 刘颂凯;杨苗;史若原;刘礼煌;佘小莉;杨楠;文斌;舒征宇 | 申请（专利权）人： | 三峡大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G06N3/12;G06Q50/06 |
| 代理公司： | 宜昌市三峡专利事务所 42103 | 代理人： | 余山 |
| 地址： | 443002 *** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于遗传算法的支持向量机在线电压稳定性监测方法，包括通过电网系统向量测量单元(Phasor Measurement Unit，PMU)装置获取初始的数据，并利用这些数据通过常规潮流计算以确定电网电压稳定裕度指标；结合PMU获取的初始数据和电网电压稳定裕度指标生成支持向量机的样本数据，并将样本数据分成训练样本数据和测试样本数据等步骤，本发明是针对传统的电压稳定分析方法最大的缺陷在于最大负载点处的雅克比矩阵的奇异性，并且计算量大、在线应用能力差；而新的机器学习技术比如ANNs在处理非线性回归问题时，受限于训练时间量和学习参数值而提出的。 | ||
| 搜索关键词： | 支持向量机 稳定裕度指标 稳定性监测 电网电压 样本数据 遗传算法 在线电压 矩阵 测试样本数据 电压稳定分析 机器学习技术 向量测量单元 训练样本数据 非线性回归 常规潮流 初始数据 电网系统 数据通过 在线应用 最大负载 传统的 计算量 奇异性 时间量 受限 学习 | ||
【主权项】：
1.一种基于遗传算法的支持向量机在线电压稳定性监测方法，其特征在于，包括以下步骤：步骤一：通过电网系统向量测量单元装置获取初始的数据，并利用这些数据通过常规潮流计算以确定电网电压稳定裕度指标；步骤二：结合向量测量单元获取的初始数据和电网电压稳定裕度指标生成支持向量机的样本数据，并将样本数据分成训练样本数据和测试样本数据；步骤三：构建基于遗产算法的支持向量机模型，并运用遗传算法寻找最优的电网电压稳定裕度指标参数；步骤四：通过寻找到的最优电网电压稳定裕度指标参数构建支持向量机模型，并结合训练样本对支持向量机模型进行训练；步骤五：训练结束后，运用测试样本数据对训练后的支持向量机模型进行测试；步骤六：测试通过后，运用所得支持向量机模型构建基于遗传算法的支持向量机模型的在线电网电压稳定监测模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于三峡大学，未经三峡大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811468216.5/，转载请声明来源钻瓜专利网。
