基于粒子群优化的KPCA暂态稳定评估模型的特征提取
DOI:
CSTR:
作者:
作者单位:

1. 山东大学电气工程学院
2. 国家电网技术学院
3. 国核电力规划设计研究院

作者简介:

段青

通讯作者:

中图分类号:

TM712

基金项目:


Feature extract based on optimized kernel principal component analysis in transient stability assessment
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    提出一种核主成分分析法(KPCA), 用于电力系统暂态稳定评估(TSA) 模型中的输入向量特征提取, 并利用粒子群优化算法(PSO) 对核函数参数进行优化设置. 以EPRI36 系统为例, 对基于支持向量机(SVM) 分类的暂态稳定评估模型进行仿真, 结果表明该方法不仅得到了良好的预测精度, 而且大大降低了输入空间的维数.

    Abstract:

    An application about kernel principal component analysis(KPCA) is proposed for feature abstract in electric
    systems transient stability assessment(TSA). The kernel function’s parameter is optimized by using the algorithm of particle swarm optimization(PSO). Emluator of TSA model based on support vector machine(SVM) with power system EPRI36 is also given. The result shows that the method not only has good prediction accuracy, but also reduces the input dimension greatly.

    参考文献
    相似文献
    引证文献
引用本文

段青 赵建国 马艳.基于粒子群优化的KPCA暂态稳定评估模型的特征提取[J].控制与决策,2010,25(9):1403-1407

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2009-07-30
  • 最后修改日期:2009-10-03
  • 录用日期:
  • 在线发布日期: 2010-09-20
  • 出版日期:
文章二维码