基于BT-SVM的電力系統(tǒng)靜態(tài)安全評(píng)估研究.pdf

1、電力系統(tǒng)靜態(tài)安全評(píng)估（Static Security Assessment,SSA）是關(guān)系到電力系統(tǒng)安全穩(wěn)定性能的最重要的問題之一?，F(xiàn)代智能方法的發(fā)展為其提供了有利的條件，可以很快的對(duì)電力系統(tǒng)進(jìn)行靜態(tài)安全評(píng)估。支持向量機(jī)（Support Vector Machine,SVM）就是這樣一種機(jī)器學(xué)習(xí)方法。它建立在統(tǒng)計(jì)學(xué)習(xí)理論之上，可以有效的解決小樣本、高維數(shù)、非線性和局部最優(yōu)解等機(jī)器學(xué)習(xí)領(lǐng)域的難題。本文在電力系統(tǒng)靜態(tài)安全評(píng)估現(xiàn)有的幾種方法的

2、基礎(chǔ)上，對(duì)SVM算法在SSA上的應(yīng)用作了深入研究。
　　以下是本文所做的主要工作：
　　1、提出了適用于電力系統(tǒng)預(yù)想事故分析的決策樹(Decision Tree,DT)特征選擇算法，決策樹的節(jié)點(diǎn)所代表的特征按照其重要性依次向下出現(xiàn)，按照生成的決策樹取相對(duì)重要的特征進(jìn)行分析，解決了電力系統(tǒng)特征選取難的問題。
　　2、提出了介于偏二叉樹和完全二叉樹之間的近似完全二叉樹支持向量機(jī)（Approximate Complete B

3、inary Tree Support Vector Machine,ACBT-SVM）,解決了電力系統(tǒng)靜態(tài)安全樣本出現(xiàn)概率不同且樣本特征分布不均衡的問題，具有很好的幾何意義。
　　3、結(jié)合電力系統(tǒng)大樣本的特點(diǎn)，提出了改進(jìn)的簡(jiǎn)化二叉樹支持向量機(jī)（Binary Tree Support Vector Machine,BT-SVM）算法，結(jié)合等效距離的概念，約簡(jiǎn)訓(xùn)練樣本，減少樣本規(guī)模，能夠簡(jiǎn)化支持向量機(jī)的分類規(guī)模，提高分類速度和準(zhǔn)確度。