摘要: |
为提高电力系统暂态稳定评估单个模型的准确率,研究了基于元学习策略的暂态稳定评估问题,提出了支持向量机、决策树、朴素贝叶斯和K最近邻法作为基学习算法,线性回归为元学习算法的Stacking评估模型。该模型将上述基学习算法的概率输出作为新训练数据的输入特征,同时保留原始的类标识。线性回归算法在新训练集上学习得到最终暂态稳定评估结果。新英格兰39节点测试系统和IEEE50机测试系统上仿真实现了该模型,仿真结果证明所提模型比单个模型的评估性能更好,为电力系统暂态稳定评估提供了新的思路。 |
关键词: 暂态稳定评估 朴素贝叶斯 支持向量机 决策树 K最近邻法 Stacking算法 |
DOI:10.7667/j.issn.1674-3415.2011.06.003 |
|
基金项目:国家自然科学基金项目(No.90610026);教育部新世纪优秀人才支持计划(NECT-08-0825);中央高校基本科研业务费专项资金资助(SWJTU09ZT10);教育部霍英东青年教师基金(101060) |
|
|
|
() |
Abstract: |
|
Key words: |