基于局部学习机与菌落趋药性算法的电力系统暂态稳定评估
信号处理
2024-12-20 v1 系统与控制
系统与控制
摘要
为提高电力系统暂态稳定评估的分类准确率，提出一种基于局部学习机与改进菌落趋药性 (BCC) 算法的新方法，其中局部学习机 (LLM) 用于建立暂态稳定评估 (TSA) 模型。考虑到 PMU 可能提供的实时信息，采用从电力系统运行参数中提取的一组系统级分类特征作为输入，稳定结果作为 LLM 模型的输出。通过训练输入输出间的关系，并应用结合混沌搜索策略的改进 BCC 自动确定 LLM 最优参数，获得理想模型。基于新英格兰 10 机 39 母线电力系统的仿真结果验证了所提方法的有效性。
引用
@article{arxiv.1901.08909,
title = {Transient Stability Assessment of Power Systems Based on Local Learning Machine and Bacterial Colony Chemotaxis Algorithm},
author = {Xueping Gu and Yang Li},
journal= {arXiv preprint arXiv:1901.08909},
year = {2024}
}